剛下飛機(jī)，人在阿拉伯，只會(huì)阿拉伯?dāng)?shù)字，咋辦？

駐外之家 | 溫暖駐外人

數(shù)十萬(wàn)駐外人都在關(guān)注

駐外之家人才網(wǎng)

www.zhuwaizhijia.com

阿拉伯語(yǔ)通話，有了同傳“翻譯官”

·文 / 馬力·

想象一下這個(gè)畫(huà)面：當(dāng)你撥通一個(gè)跨國(guó)電話，對(duì)方說(shuō)著流利的阿拉伯語(yǔ)，而你的手機(jī)里傳來(lái)的是實(shí)時(shí)中文同聲傳譯。這不是想象，而是華為5G新通話解決方案“同聲傳譯”在剛落幕的2026年世界移動(dòng)通信大會(huì)現(xiàn)場(chǎng)的真實(shí)展現(xiàn)。憑借在AI通話領(lǐng)域的創(chuàng)新，我們與客戶攜手?jǐn)孬@GTI（全球TD-LTE發(fā)展倡議）“創(chuàng)新產(chǎn)品與解決方案獎(jiǎng)”。

作為5G時(shí)代通信服務(wù)的創(chuàng)新方向，5G新通話正通過(guò)AI與通話技術(shù)的深度融合，讓傳統(tǒng)通話從“聽(tīng)得見(jiàn)”走向“交互、智能、可信”的多元場(chǎng)景。其中，“同傳”功能更是其智能服務(wù)的核心能力之一。不依賴終端硬件，普通手機(jī)即可使用，真正實(shí)現(xiàn)全民普惠，目前這個(gè)功能已在沙特阿拉伯的利雅得開(kāi)放試點(diǎn)，為全球運(yùn)營(yíng)商話音業(yè)務(wù)在AI時(shí)代的轉(zhuǎn)型樹(shù)立了新標(biāo)桿。

阿拉伯語(yǔ)雙向?qū)崟r(shí)語(yǔ)音翻譯在全球舞臺(tái)上的亮相，繞不開(kāi)一項(xiàng)關(guān)鍵且高難度的技術(shù)——阿拉伯語(yǔ)ASR（自動(dòng)語(yǔ)音識(shí)別）。與主流語(yǔ)言相比，阿拉伯語(yǔ)的ASR面臨著語(yǔ)法規(guī)則復(fù)雜、標(biāo)準(zhǔn)語(yǔ)與日常口語(yǔ)差異巨大、高質(zhì)量標(biāo)注語(yǔ)料稀缺等多重挑戰(zhàn)。2023年，人工智能與媒體計(jì)算專業(yè)的我入職華為，加入了華為云核心網(wǎng)產(chǎn)品線的同傳攻堅(jiān)團(tuán)隊(duì)。我們從零起步，一步步攀上這座技術(shù)險(xiǎn)峰。

阿拉伯語(yǔ)同傳的“三無(wú)”困局

“同聲傳譯”功能是5G新通話解決方案的戰(zhàn)略高地，多數(shù)海外運(yùn)營(yíng)商都將其視為必爭(zhēng)之地。2024年3月，云核心網(wǎng)產(chǎn)品線計(jì)劃攜手擁有豐富阿拉伯語(yǔ)語(yǔ)料的業(yè)界老牌大廠伙伴K合作，快速補(bǔ)齊這塊拼圖。

2025年4月，雖然已與合作方完成多輪駐場(chǎng)攻關(guān)，但同傳業(yè)務(wù)的準(zhǔn)確率仍然未達(dá)到可用標(biāo)準(zhǔn)，公開(kāi)發(fā)布前的版本評(píng)審未獲通過(guò)。緊接著，5月份的版本預(yù)審再遭否決。話音業(yè)務(wù)從未遇到過(guò)這樣的挫折，我們團(tuán)隊(duì)的壓力瞬間頂?shù)搅颂旎ò濉?/p>

2025年6月，為了盡快取得技術(shù)競(jìng)爭(zhēng)力突破，經(jīng)過(guò)多次審視及匯報(bào)，產(chǎn)品線決定將同傳切換到自研這條路上。所有的壓力像潮水一樣涌進(jìn)研發(fā)團(tuán)隊(duì)，我被任命牽頭負(fù)責(zé)這個(gè)極具戰(zhàn)略意義的任務(wù)：從0到1牽頭攻堅(jiān)阿拉伯語(yǔ)同聲傳譯系統(tǒng)中的ASR模塊。

團(tuán)隊(duì)里沒(méi)人擁有同聲傳譯系統(tǒng)的實(shí)戰(zhàn)經(jīng)驗(yàn)或者阿拉伯語(yǔ)語(yǔ)言學(xué)知識(shí)，我們?cè)獾搅瞬簧儋|(zhì)疑。更大的壓力來(lái)自外部，很多人認(rèn)為老牌大廠K都搞不定的事情，華為也不可能做到：“你們想做同傳，還是阿拉伯語(yǔ)的同傳？你們知道老牌大廠K在這個(gè)領(lǐng)域積累了多少年嗎？那可是‘語(yǔ)料霸權(quán)’啊。你們極短時(shí)間內(nèi)能在競(jìng)爭(zhēng)力上形成突破嗎？”

“三無(wú)”困局，赤裸裸地?cái)[在面前：無(wú)數(shù)據(jù)、無(wú)經(jīng)驗(yàn)、無(wú)先例。我們手頭只有零星的公開(kāi)學(xué)術(shù)語(yǔ)料和滿腔熱血。但這不是我第一次“跨界”：在北京大學(xué)求學(xué)十年，我先后攻讀數(shù)學(xué)本科、數(shù)計(jì)交叉學(xué)科碩士及計(jì)算機(jī)博士；加入公司后，我從數(shù)字人通信跨界到語(yǔ)音理解與生成。每一次清零、每一次從零開(kāi)始，我似乎都在做同一件事：在學(xué)科與能力的交叉地帶，尋找那個(gè)看似不可能的答案。

全公司“尋寶”行動(dòng)

攻堅(jiān)初期，我們這支只有3個(gè)人的阿拉伯語(yǔ)同傳小隊(duì)，互相沉默的時(shí)間往往比討論多。大家盯著白板上大片空白的技術(shù)方案，鍵盤(pán)敲兩下又停住。作為牽頭人，我深知此刻不應(yīng)沉溺焦慮，而是要穩(wěn)住軍心和方向。退路已經(jīng)被切斷，唯有迎難而上、全力破局。經(jīng)過(guò)幾次頭腦風(fēng)暴，團(tuán)隊(duì)梳理出一條線索：雖然公司內(nèi)沒(méi)有完整的阿拉伯語(yǔ)同傳項(xiàng)目經(jīng)驗(yàn)，但在相鄰領(lǐng)域似乎有可以借鑒的“秘籍”。

接下來(lái)幾個(gè)月，我的行程變成了“空中飛人”模式。在北京某伙伴的實(shí)驗(yàn)室里，我一待就是一整天，與他們討論阿拉伯語(yǔ)合成算法的語(yǔ)料復(fù)檢細(xì)節(jié)；在華為杭州研究所里，我和專家們結(jié)合其他語(yǔ)種的經(jīng)驗(yàn)，協(xié)助構(gòu)建起了自研的語(yǔ)料產(chǎn)線；在華為西安研究所里，兄弟部門(mén)為我們提供了寶貴的精標(biāo)語(yǔ)料與豐富的訓(xùn)練經(jīng)驗(yàn)；在華為上海研究所里，我們與技術(shù)團(tuán)隊(duì)一起攻堅(jiān)，構(gòu)建推理優(yōu)化技術(shù)棧……

我就像一個(gè)闖入了不同門(mén)派求藝的學(xué)徒，貪婪地吸收著一切可能與“阿拉伯語(yǔ)ASR”相關(guān)的內(nèi)功心法。而吸收這些內(nèi)心功法的過(guò)程，也讓我意識(shí)到：不能盲目摸索，必須先整合全公司資源，再結(jié)合阿拉伯語(yǔ)同傳的核心需求，設(shè)計(jì)出專屬方案。隨后，我們調(diào)整了思路：不執(zhí)著于模仿別人，而是思考如何結(jié)合公司內(nèi)各兄弟部門(mén)的優(yōu)秀實(shí)踐經(jīng)驗(yàn)，打造自身技術(shù)棧，走出一條依托公司既有平臺(tái)能力、融合多技術(shù)領(lǐng)域優(yōu)勢(shì)的創(chuàng)新之路。

于是，我們把從各方學(xué)到的經(jīng)驗(yàn)逐一梳理、融會(huì)貫通，打磨每一個(gè)方案細(xì)節(jié)，小至語(yǔ)料標(biāo)注規(guī)范，大到模型訓(xùn)練整體架構(gòu)，每一套核心方案都結(jié)合團(tuán)隊(duì)實(shí)際能力和項(xiàng)目需求進(jìn)行反復(fù)推演和修改。

語(yǔ)料是ASR的基礎(chǔ)，其質(zhì)量直接影響模型訓(xùn)練的成功與否。我們首先動(dòng)用了公司內(nèi)所有可協(xié)調(diào)的資源，拿到了數(shù)千小時(shí)的基礎(chǔ)語(yǔ)料數(shù)據(jù)。然而，這還遠(yuǎn)遠(yuǎn)不夠，我們隨后針對(duì)語(yǔ)料的缺口設(shè)計(jì)了三條路線：一是利用我們現(xiàn)有模型和業(yè)界最新開(kāi)源模型針對(duì)無(wú)標(biāo)數(shù)據(jù)進(jìn)行多專家聯(lián)合標(biāo)注，提升語(yǔ)料數(shù)量與質(zhì)量；二是針對(duì)易錯(cuò)場(chǎng)景，運(yùn)用TTS（語(yǔ)音合成算法）進(jìn)行合成，而后通過(guò)ASR再進(jìn)行交叉檢驗(yàn)；三是參考領(lǐng)域頂級(jí)學(xué)術(shù)會(huì)議中關(guān)于ASR后訓(xùn)練的方案，通過(guò)設(shè)計(jì)更有效的后訓(xùn)練方法，減少對(duì)基礎(chǔ)數(shù)據(jù)的依賴程度。

鎖定語(yǔ)料目標(biāo)后，我們沒(méi)有急于動(dòng)手，而是先聚焦現(xiàn)有模型表現(xiàn)，希望將通道打通，避免發(fā)生堵塞“拖后腿”。我滿懷信心地訓(xùn)練好了一版新模型，上線評(píng)測(cè)前，我自信滿滿：“這次的模型是我們擴(kuò)充大量數(shù)據(jù)且完成了精訓(xùn)，自測(cè)能力杠杠的，這次肯定能破記錄。”

然而，測(cè)評(píng)結(jié)果一出來(lái)，大家瞬間尷尬——WER（詞錯(cuò)率）數(shù)值異常飆升。

“哪里出錯(cuò)了？有沒(méi)有可能是測(cè)試樣本的問(wèn)題，音質(zhì)太差，雜音太多？”我戴上耳機(jī)，把音頻音量調(diào)到最大，反復(fù)聽(tīng)了十幾遍。聲音清脆，沒(méi)有任何雜音。

我回想起之前參加的北京大學(xué)埃及籍教授Alaa Mamdouh Akef的講座，曾提到關(guān)于阿拉伯語(yǔ)的雙言現(xiàn)象、語(yǔ)言分布、文化特征與技術(shù)挑戰(zhàn)：“你們看到的只是字符，但阿拉伯語(yǔ)是活的。”我突然意識(shí)到，這很可能是標(biāo)注的標(biāo)準(zhǔn)化問(wèn)題。如果說(shuō)英語(yǔ)標(biāo)準(zhǔn)化是整理一本印刷清晰的書(shū)籍，那阿拉伯語(yǔ)文本標(biāo)準(zhǔn)化，就如同破譯一部殘缺繁復(fù)的古老手抄典籍。我們面臨大面積缺失的元音、復(fù)雜的陰陽(yáng)性變位、海量的同音字……這種標(biāo)注層面間的復(fù)雜性，讓模型根本無(wú)法建立穩(wěn)定的映射關(guān)系。

“計(jì)算資源有限，我們不能既要又要。”在多次激烈的復(fù)盤(pán)會(huì)上，我們反復(fù)討論，最后達(dá)成了一致：模型的能力邊界必須清晰，優(yōu)先聲學(xué)，其次語(yǔ)義。經(jīng)過(guò)與阿拉伯語(yǔ)專家、一線同事的多次溝通，我們明確了哪些標(biāo)注會(huì)影響翻譯的準(zhǔn)確性，并據(jù)此在訓(xùn)練中去除了所有變音符號(hào)、剔除標(biāo)點(diǎn)等與聲學(xué)特征不相干的標(biāo)注，讓文本標(biāo)注純粹服務(wù)于聲學(xué)映射。而這一舉動(dòng)，也讓我們的模型終于向前邁出了第一步。

那段時(shí)間，各式各樣的“偽識(shí)別錯(cuò)誤”層出不窮，很多超出了我們?cè)趦?nèi)部實(shí)驗(yàn)室假設(shè)數(shù)據(jù)完美時(shí)的想象，但抽絲剝繭、分類歸納后，我們?cè)絹?lái)越堅(jiān)定最初的判斷：搞定文本標(biāo)注規(guī)范與歸一化，就搞定了阿拉伯語(yǔ)ASR語(yǔ)料工程問(wèn)題的一大半。也正是通過(guò)一次次深挖數(shù)據(jù)現(xiàn)場(chǎng)，我們的語(yǔ)料清洗方案變得更清晰和更聚焦。

一場(chǎng)針對(duì)噪聲的“特種兵”計(jì)劃

真正讓模型從“能用”走向“好用”的，是我們解決了噪聲場(chǎng)景下亂蹦字的問(wèn)題。

當(dāng)時(shí)，一線與測(cè)試部均反饋阿拉伯語(yǔ)ASR模型在噪聲場(chǎng)景下的“亂蹦字”問(wèn)題嚴(yán)重。在安靜的實(shí)驗(yàn)室測(cè)試間里，我們的阿拉伯語(yǔ)ASR模型表現(xiàn)得像個(gè)優(yōu)雅的學(xué)者，吐字清晰、錯(cuò)詞率極低。但一推到真實(shí)的現(xiàn)網(wǎng)測(cè)試中，它就變成了一個(gè)喋喋不休的幻覺(jué)制造機(jī)：明明用戶只是清了清嗓子，或者背景里經(jīng)過(guò)了一輛狂按喇叭的汽車(chē)，屏幕上卻會(huì)莫名其妙地蹦出一長(zhǎng)串無(wú)意義阿拉伯語(yǔ)短句，對(duì)端用戶也會(huì)接收到一串不明意義的英語(yǔ)，十分影響同傳功能的可用性。團(tuán)隊(duì)再次達(dá)成共識(shí)：必須把“蹦字”這個(gè)問(wèn)題摁住！

此后的日子，我們鉆進(jìn)噪聲增訓(xùn)的深海里。從噪聲特性分析、增訓(xùn)策略設(shè)計(jì)到優(yōu)化目標(biāo)調(diào)整，我們一點(diǎn)一點(diǎn)摸索。我們對(duì)通用的數(shù)據(jù)增強(qiáng)方法做了阿拉伯語(yǔ)的適配：針對(duì)阿拉伯語(yǔ)輔音承載主要語(yǔ)義的特點(diǎn)，通過(guò)調(diào)整頻率掩碼的比例，避免過(guò)度掩蓋關(guān)鍵聲學(xué)特征；同時(shí)引入加權(quán)混合信噪比增強(qiáng)策略，按照真實(shí)場(chǎng)景的噪聲強(qiáng)度分布進(jìn)行加權(quán)采樣，讓模型在訓(xùn)練階段就能適應(yīng)不同程度的噪聲干擾；另外，我們還設(shè)計(jì)了動(dòng)態(tài)加噪策略，根據(jù)每次訓(xùn)練的結(jié)果反饋到超參調(diào)優(yōu)，不斷調(diào)整加噪強(qiáng)度。經(jīng)過(guò)近兩個(gè)月的密集攻關(guān)，我們啃下了這塊硬骨頭：噪聲場(chǎng)景下的蹦字比例從超過(guò)1000字降低到40字以內(nèi)。

本地高頻詞的準(zhǔn)確率同樣磨人，這些詞對(duì)客戶而言是每天掛在嘴邊的日常用語(yǔ)，對(duì)模型而言卻偏偏最容易認(rèn)錯(cuò)。我們專門(mén)為它們?cè)O(shè)計(jì)了一套“特種兵”數(shù)據(jù)方案：先篩選，后多模型審核，再配合多音色高質(zhì)量生成和多模態(tài)合成，最后對(duì)難例單獨(dú)進(jìn)行監(jiān)督微調(diào)、偏好優(yōu)化與相對(duì)策略優(yōu)化。每一個(gè)被我們“馴服”的高頻詞背后，都是成百上千次的推倒重來(lái)。

那段時(shí)間，我時(shí)常陷入一種奇特的“心流”狀態(tài)，思緒完全沉浸在阿拉伯語(yǔ)ASR的世界里，外界干擾似乎都被自動(dòng)屏蔽。沖咖啡時(shí)，指尖碰觸熱水壺的瞬間，腦海就突然“蹦”出一個(gè)優(yōu)化思路；睡覺(jué)前躺下閉眼幾秒，白天調(diào)試無(wú)果的難題，忽然浮現(xiàn)出被忽略的邊界條件……每每這時(shí)，我會(huì)立刻抓起手機(jī)記錄，忍不住分享在團(tuán)隊(duì)群里。而屏幕那頭，總有同樣沉浸在攻堅(jiān)中的伙伴呼應(yīng)，那份彼此同頻的專注，成了深夜里最溫暖的光。

就這樣，我們用代碼、公式和無(wú)數(shù)次的失敗實(shí)驗(yàn)，從“一張白紙”一點(diǎn)一滴地繪制出了屬于自己的技術(shù)藍(lán)圖。通過(guò)自動(dòng)化方式快速生產(chǎn)粗標(biāo)語(yǔ)料，為后續(xù)的精細(xì)打磨提供充足的“原料”；借助高精度數(shù)據(jù)篩選機(jī)制，讓每一次訓(xùn)練都朝著更優(yōu)的方向迭代；針對(duì)真實(shí)環(huán)境中不可避免的噪聲干擾，我們?cè)谀Ｐ椭腥谌朐肼曄闰?yàn)設(shè)計(jì)，提升系統(tǒng)在復(fù)雜場(chǎng)景下的識(shí)別穩(wěn)定性；圍繞阿拉伯語(yǔ)的語(yǔ)音特點(diǎn)對(duì)關(guān)鍵詞與數(shù)字等場(chǎng)景進(jìn)行針對(duì)性優(yōu)化，讓這門(mén)復(fù)雜的語(yǔ)言能夠被系統(tǒng)更好地捕捉和解析。最終，我們模型的噪聲魯棒性（即抗噪能力）提升了20多倍，識(shí)別準(zhǔn)確率也超越了參數(shù)量數(shù)十倍于我們的業(yè)界模型。用結(jié)果說(shuō)話，就是最好的回答。

跨界者的燈塔

2025年11月19日，在沙特通信展上，我們贏得了客戶的認(rèn)可，甚至有客戶表達(dá)了下單的意愿。一路走來(lái)，我深切感知其中的艱辛與滾燙：我們從在邊緣的不斷嘗試，逐漸在這篇陌生的戰(zhàn)場(chǎng)撕開(kāi)了一道口子，積累了寶貴的多語(yǔ)言、低資源、強(qiáng)實(shí)時(shí)語(yǔ)音處理經(jīng)驗(yàn)。

更重要的是，我們驗(yàn)證了那條“依托公司平臺(tái)能力，進(jìn)行跨技術(shù)領(lǐng)域融合創(chuàng)新”的路徑走得通，為后續(xù)類似“硬骨頭”項(xiàng)目積累了寶貴的經(jīng)驗(yàn)和信心。

回看和我并肩作戰(zhàn)的團(tuán)隊(duì)，我們也從一支“白紙”團(tuán)隊(duì)打磨成了能打硬仗的“尖刀連”，我個(gè)人也有幸獲得公司“金牌個(gè)人—卓越貢獻(xiàn)獎(jiǎng)”，自身的“跨界”特質(zhì)在實(shí)戰(zhàn)中完成了真正的熔合：數(shù)學(xué)的邏輯、AI的算法、工程的務(wù)實(shí)、語(yǔ)言的奧秘，在此刻貫通。

阿拉伯語(yǔ)同傳項(xiàng)目的成功，像一座燈塔，照亮了未來(lái)的航向。它告訴我，在這個(gè)時(shí)代，單一領(lǐng)域的深耕已不足以應(yīng)對(duì)復(fù)雜的挑戰(zhàn)。真正的突破，往往發(fā)生在學(xué)科與能力的交叉地帶。

沙特同傳部分團(tuán)隊(duì)合影（前排右二為作者）

這就是我的故事，一個(gè)關(guān)于“三無(wú)”起步，關(guān)于一群人在無(wú)人區(qū)攜手逆襲的故事。前路猶長(zhǎng)，而我們，剛剛啟程。

來(lái)源：華為人