这是一个最好的时代，这是一个最坏的时代。
之所以说是最好的时代，是因为我们正站在一个全新技术革命的前夜，这一轮创新将以信息技术为基础，人工智能、大数据、物联网、区块链等技术将融入到各行各业，遍地开花。也是一个最坏的时代，因为站在这个时期，我们的前面是从未涉及的无人区，人工智能等科技的发展会把未来变成天堂或地狱，我们无法预测。
不过，随着人工智能的持续发展，已经出现了能够绘画、写作、唱歌甚至具有情绪智能的AI。近日，谷歌新研究出来的AI翻译系统，不仅与以往生硬的语音翻译不同，甚至还略带一点语气，不知道的人还以为这是人工翻译的。
以假乱真，你听出来了吗？
如果我不说，你能听出来后面那两段录音其实是出自第一个的机器录制的么？
这三段录音全出自谷歌最新的AI翻译系统GoogleTranslatotron，这款AI翻译系统不仅可以模拟人的语调和语气，还能在一定不程度上模仿人的声线。上面的三段语音中第二段就是GoogleTranslatotron对第一段的翻译，第三段则是在翻译的基础上对第一段的声线进行了一定程度的模仿，是不是很厉害？
我们知道，目前绝大多数的翻译系统的工作流程主要分为三部：首先是将原语音识别成文本，然后对文本翻译目标语言，最后再进行文本到语音的合成。但是再声音转换成文字的时候，原先语音的语气等信息是无法转换的，这也就是为什么我们日常听到的翻译都是语气生硬、不带任何感情色彩的。
谷歌GoogleTranslatotron是如何做到以假乱真的？
首先，谷歌GoogleTranslatotron是一个全新的翻译系统，它与传统的翻译系统是不同的，它不通过语音来进行翻译的，也不是通过文字来进行翻译，那是通过什么呢？其实，谷歌GoogleTranslatotron是通过图像来翻译的。
也许很多人会问，怎样通过图像翻译，具体来讲就是，当人讲了一句需要翻译的话之后，谷歌GoogleTranslatotron系统就会根据这段语音生成一段声音图谱，然后经过大量针对性训练的系统AI会对图谱进行分析，根据这个分析结果还能直接生成一张目标语言的语音图谱，最后AI对图谱进行语音播放，这就是开头我们播放的语音了，带有语气的翻译。
GoogleTranslatotron的工作模型.图片来自：GoogleAIBlog
此外，谷歌的这款AI系统还接入了声源编码器来对声音进行处理，这使得谷歌这款AI系统生成的目标语音不仅可以模仿用户原话中的语气，还能模仿用户的声线。
负责这款谷歌AI翻译系统的工程师YeJia以及RonWeiss表示，省去中间转化为文本的步骤，不仅意味着翻译的速度更快了，也意味着更少的错误。
谷歌这款AI翻译系统还处于研究阶段
虽然，谷歌的这款AI翻译系统，目前放出来的测试样例已经相对很好了，但是仔细听依旧还是能够听到机器生成语音的痕迹，只是相比较我们常听到的由文本生成的语音来讲，谷歌AI的所生成的语音显得更为自燃，而且也保留了大部分原语音的语调和声线，可以讲，一定程度上保留了更多的情感信息。
现阶段，谷歌的这款AI翻译系统还处于研究阶段，如果需要在更为复杂的环境，如嘈杂的情况下其翻译的准确性等都还需要优化，但爱德媒以为，该项目的研究将会成为未来翻译技术的一个新起点。
目前，AI已经驶入实用化快车道，如何通过开放技术能力、积极响应国家“一带一路”号召，推动人工智能的落地发展，需要我们更加努力的去创新，将AI往正确的道路上落地奔跑，让更多的人感受到科技的便捷和魅力。