WALDO – Traduction via Machine Learning

(Alexander Stafford) (5 novembre , 2020)

Proposition:

Nous cherchons à développer un système de traduction qui en profite de la technologie voix-texte et texte-voix. Nous visons à concevoir un système qui pourrait être utilisé pour aider les personnes âgées ou handicapées à utiliser les services de traduction, en particulier celles qui ont un problème ou un problème qui les empêche dutiliser les méthodes de saisie traditionnelles (par exemple, la saisie au clavier). Nous prévoyons dutiliser lAPI NUGU pour permettre aux utilisateurs de parler au locuteur NUGU et de lui faire traduire leurs phrases. Le locuteur NUGU fournira les traductions en envoyant les données vocales à notre serveur de traduction pour être converties en texte et traduites; le serveur renverra alors les données de texte pour être lues à voix haute par le haut-parleur NUGU. Ce système sera conçu pour permettre une entrée intuitive rapide dans un système de traduction. Le système comprendra également la possibilité de copier la sortie de la traduction dans le presse-papiers de l’utilisateur afin qu’il puisse facilement l’utiliser ailleurs. Afin daméliorer les capacités de traduction du système, nous mettrons en œuvre un système simple «thumbs up / thumbs down»; cela permettra aux utilisateurs dévaluer la traduction comme bonne ou mauvaise.

Contributeurs: 김근후, 이원제 , 정재용, Alexander Stafford

Liste des précédents travaux connexes:

https://developers.naver.com/products/nmt/

https: //cloud.google.com/translate/#how-automl-translationbeta-works

G. Guida et G. Mauri, «Évaluation des systèmes de traitement du langage naturel: problèmes et approches», dans Actes de lIEEE, vol. 74, non. 7, pp. 1026-1035, juillet 1986, doi: 10.1109 / PROC.1986.13580.

Choe, D. K., &; Charniak, E. (2016). Lanalyse en tant que modélisation du langage. Actes de la conférence 2016 sur les méthodes empiriques dans le traitement du langage naturel. doi: 10.18653 / v1 / d16–1257

Mathur, P., Mauro, C., & Federico, M. (2013). Approches dapprentissage en ligne en traduction assistée par ordinateur. Dans les actes du huitième atelier sur la traduction automatique statistique (pp. 301-308). Association for Computational Linguistics.

Liste des outils et services (que nous pourrions utiliser):

Python – https://www.python.org/

R – https://www.r-project.org/

Rstudio – https://rstudio.com/

Services AWS – https://aws.amazon.com/

API NUGU – https://developers.nugu.co.kr/

Anaconda – https: //www.anaconda.com/

Keras – https://keras.io/

Tensorflow – https://www.tensorflow.org/

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *