AI手語(yǔ)翻譯數據標注賦能無(wú)障礙信息建設

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

　　推薦單位：湖南省數據局

　　一、案例簡(jiǎn)介

　　為解決全國2780萬(wàn)聽(tīng)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)團隊在國家通用手語(yǔ)等相關(guān)標準尚不完善，缺乏漢語(yǔ)、手語(yǔ)雙語(yǔ)翻譯專(zhuān)業(yè)人員的背景下，長(cháng)沙千博信息技術(shù)有限公司等單位采取以點(diǎn)帶面的線(xiàn)上推廣方式組建了超750人標注團隊，并利用數據增強模擬出更多樣化的訓練樣本，有效解決了數據難以獲取的問(wèn)題。通過(guò)自研采集/審核平臺將數據采集成本降低50%，時(shí)間縮短80%。手語(yǔ)翻譯模型落地近千家機構應用，市場(chǎng)占有率達90%。

整體框架

　　二、舉措與成效

　　一是采用數據增強的技術(shù)手段，解決了人工標注數據短時(shí)間內獲取難的問(wèn)題。在生成式大模型（AIGC）的基礎上，用已有數據引導生成符合訓練標準的視頻和文字數據，彌補了訓練數據50%的缺口，大大減少了模型訓練對人工標注數據的依賴(lài)。

　　二是自研標注平臺，不斷迭代標注模式。技術(shù)團隊根據標注需求自研標注平臺系統，并逐步將手語(yǔ)翻譯模型階段性成果引入平臺，使數據為模型訓練服務(wù)，模型訓練成果為提升標注效率服務(wù)。相比純人工翻譯標注，提升了150%的標注效率。

　　三是針對特殊群體打造個(gè)性化人才隊伍建設模式。針對手語(yǔ)、漢語(yǔ)雙語(yǔ)熟練人才稀缺、分散等問(wèn)題，建立了院校、聾協(xié)等團體為單位統一召集的模式。采取聾人群體更加適應的師徒制，實(shí)現標注人才培訓上崗平均耗時(shí)縮短50%。

　　三、特色亮點(diǎn)

　　一是基于數據集訓練出的漢語(yǔ)-手語(yǔ)雙向互譯模型應用覆蓋全國絕大部分地區。目前手語(yǔ)播報系統已在全國30個(gè)省超500家融媒體中心應用；公共服務(wù)產(chǎn)品已在上海嘉定等地近百家公共服務(wù)機構應用，網(wǎng)頁(yè)手語(yǔ)已在近百個(gè)政府網(wǎng)站完成示范標桿建設。

　　二是漢語(yǔ)手語(yǔ)翻譯支撐數據集種類(lèi)豐富。建成手語(yǔ)詞匯庫、詞素庫，通用手語(yǔ)視頻庫，自然手語(yǔ)（方言）數據庫等。訓練語(yǔ)料已積累漢語(yǔ)到手語(yǔ)翻譯千萬(wàn)字級（句對），手語(yǔ)到漢語(yǔ)識別80萬(wàn)條（視頻），為打造手語(yǔ)AI系列產(chǎn)品奠定堅實(shí)的基礎，也為手語(yǔ)語(yǔ)言學(xué)研究積累了豐富的資料。同時(shí)形成的各類(lèi)手語(yǔ)數據標準，可為健全國家、行業(yè)手語(yǔ)相關(guān)標準提供支撐。

　　三是建立專(zhuān)業(yè)手語(yǔ)標注人才庫。在高質(zhì)量聽(tīng)人手語(yǔ)翻譯稀缺，高文化水平、較高漢語(yǔ)理解能力聾人稀少的背景下，技術(shù)團隊集聚了全國各特校、高校、社會(huì )聾人、手語(yǔ)愛(ài)好者等熟悉漢語(yǔ)、手語(yǔ)的采集員超750人。該標注團隊是中國手語(yǔ)語(yǔ)言學(xué)研究的重要力量，也是支持中國手語(yǔ)翻譯技術(shù)出海，進(jìn)行國際化布局的后備力量。