基于自适应上下文、风格与大语言模型的印度语言娱乐翻译提升
计算与语言
2024-12-31 v1
摘要
我们聚焦于神经机器翻译（NMT）在娱乐领域的挑艰任务，即自动将给定对话从源语言内容翻译成目标语言。该任务在自动配音、字幕制作及内容本地化等场景中具有广泛应用，使源内容能触达更广大的受众。传统NMT系统通常独立翻译单个句子，无法实现来自先前 encountered 句子中上下文与风格等关键要素的知识迁移。本文强调这些基本要素在生成恰当且引人入目翻译中的重要性。我们通过多个实例说明其显著性，并提出一种新型娱乐翻译框架——据称首个如此设计。进一步，我们引入一个算法来估计当前会话的上下文与风格，并利用这些估计生成指导大语言模型（LLM）生成高质量翻译的提示。该方法在语言与LLM上均具有通用性。我们通过多项数值研究验证算法有效性，发现其在COMET分数上显著超越多种最先进LLM。此外，我们的方法在赢家比例（win-ratio）指标上始终优于基线LLM。
引用
@article{arxiv.2412.20440,
title = {Enhancing Entertainment Translation for Indian Languages using Adaptive Context, Style and LLMs},
author = {Pratik Rakesh Singh and Mohammadi Zaki and Pankaj Wasnik},
journal= {arXiv preprint arXiv:2412.20440},
year = {2024}
}
备注
Accepted to AAAI'25