AI手語翻譯數(shù)據(jù)標(biāo)注賦能無障礙信息建設(shè)

　　申報(bào)單位：長(zhǎng)沙千博信息技術(shù)有限公司、湖南省馬欄山計(jì)算媒體研究院

　　推薦單位：湖南省數(shù)據(jù)局

　　一、案例簡(jiǎn)介

　　為解決全國2780萬聽障人群在教育、就業(yè)、辦事等多領(lǐng)域存在的信息獲取障礙，技術(shù)團(tuán)隊(duì)在國家通用手語等相關(guān)標(biāo)準(zhǔn)尚不完善，缺乏漢語、手語雙語翻譯專業(yè)人員的背景下，長(zhǎng)沙千博信息技術(shù)有限公司等單位采取以點(diǎn)帶面的線上推廣方式組建了超750人標(biāo)注團(tuán)隊(duì)，并利用數(shù)據(jù)增強(qiáng)模擬出更多樣化的訓(xùn)練樣本，有效解決了數(shù)據(jù)難以獲取的問題。通過自研采集/審核平臺(tái)將數(shù)據(jù)采集成本降低50%，時(shí)間縮短80%。手語翻譯模型落地近千家機(jī)構(gòu)應(yīng)用，市場(chǎng)占有率達(dá)90%。

整體框架

　　二、舉措與成效

　　一是采用數(shù)據(jù)增強(qiáng)的技術(shù)手段，解決了人工標(biāo)注數(shù)據(jù)短時(shí)間內(nèi)獲取難的問題。在生成式大模型（AIGC）的基礎(chǔ)上，用已有數(shù)據(jù)引導(dǎo)生成符合訓(xùn)練標(biāo)準(zhǔn)的視頻和文字?jǐn)?shù)據(jù)，彌補(bǔ)了訓(xùn)練數(shù)據(jù)50%的缺口，大大減少了模型訓(xùn)練對(duì)人工標(biāo)注數(shù)據(jù)的依賴。

　　二是自研標(biāo)注平臺(tái)，不斷迭代標(biāo)注模式。技術(shù)團(tuán)隊(duì)根據(jù)標(biāo)注需求自研標(biāo)注平臺(tái)系統(tǒng)，并逐步將手語翻譯模型階段性成果引入平臺(tái)，使數(shù)據(jù)為模型訓(xùn)練服務(wù)，模型訓(xùn)練成果為提升標(biāo)注效率服務(wù)。相比純?nèi)斯しg標(biāo)注，提升了150%的標(biāo)注效率。

　　三是針對(duì)特殊群體打造個(gè)性化人才隊(duì)伍建設(shè)模式。針對(duì)手語、漢語雙語熟練人才稀缺、分散等問題，建立了院校、聾協(xié)等團(tuán)體為單位統(tǒng)一召集的模式。采取聾人群體更加適應(yīng)的師徒制，實(shí)現(xiàn)標(biāo)注人才培訓(xùn)上崗平均耗時(shí)縮短50%。

　　三、特色亮點(diǎn)

　　一是基于數(shù)據(jù)集訓(xùn)練出的漢語-手語雙向互譯模型應(yīng)用覆蓋全國絕大部分地區(qū)。目前手語播報(bào)系統(tǒng)已在全國30個(gè)省超500家融媒體中心應(yīng)用；公共服務(wù)產(chǎn)品已在上海嘉定等地近百家公共服務(wù)機(jī)構(gòu)應(yīng)用，網(wǎng)頁手語已在近百個(gè)政府網(wǎng)站完成示范標(biāo)桿建設(shè)。

　　二是漢語手語翻譯支撐數(shù)據(jù)集種類豐富。建成手語詞匯庫、詞素庫，通用手語視頻庫，自然手語（方言）數(shù)據(jù)庫等。訓(xùn)練語料已積累漢語到手語翻譯千萬字級(jí)（句對(duì)），手語到漢語識(shí)別80萬條（視頻），為打造手語AI系列產(chǎn)品奠定堅(jiān)實(shí)的基礎(chǔ)，也為手語語言學(xué)研究積累了豐富的資料。同時(shí)形成的各類手語數(shù)據(jù)標(biāo)準(zhǔn)，可為健全國家、行業(yè)手語相關(guān)標(biāo)準(zhǔn)提供支撐。

　　三是建立專業(yè)手語標(biāo)注人才庫。在高質(zhì)量聽人手語翻譯稀缺，高文化水平、較高漢語理解能力聾人稀少的背景下，技術(shù)團(tuán)隊(duì)集聚了全國各特校、高校、社會(huì)聾人、手語愛好者等熟悉漢語、手語的采集員超750人。該標(biāo)注團(tuán)隊(duì)是中國手語語言學(xué)研究的重要力量，也是支持中國手語翻譯技術(shù)出海，進(jìn)行國際化布局的后備力量。