夢のリアルタイム音声翻訳、マイクロソフトがAI技術を使った「Microsoft Translator」と「Skype翻訳」を発表、そのしくみと狙いは? PowerPointアドインも登場

スマートフォンで4人のメンバーが入室したチャットルーム。
4人のメンバーはそれぞれ別の言語を使う。英語やドイツ語、中国語、彼はフランス語だ。しかし、彼のスマートフォンの画面では、みんなそれぞれの言語で話しているにも関わらず、会話はフランス語のテキストで表示され音声も流れる。それぞれ画面でそれぞれの自国語で会話が進む。
これは、ほかの3人の会話をシステムがリアルタイムで翻訳して発話しているから。

マイクロソフトは4月7日、AI技術(ニューラルネットワーク/ディープラーニング)を活用した新バージョンの「Microsoft Translator」を発表した。この技術はリアルタイム翻訳を実現する技術となる。
記者発表会で展示されたスカイプでは、日本語を使う人と英語を使う人が会話をしている。日本語を使う人が話すのは日本語、イヤホンに聞こえてくる相手の話も音声合成の日本語で聞こえてくる。

「確かに今、多くの企業が翻訳技術にニューラルネットワークを活用し始めていて、競争になっています。ニューラルネットワークの技術を持たない翻訳システムは撤退することになるでしょう。それほどニューラルネットワークによる機械翻訳は精度が高いのです」
これは、報道関係者からの質問に答えて、来日中の米マイクロソフトのAI & Researchグループリーダーのオリヴィエ・フォンタナ氏が語った言葉だ。

リアルタイム翻訳を実現する「Microsoft Translator Speech API」

リアルタイム翻訳の提供方法のひとつが、Microsoftのクラウドプラットフォーム「Azure」のAPI(Cognitive Services API)、「Microsoft Translator Speech API」としてサービス提供される形態だ。
また、更にそれを組み込んだ「Microsoft Translator ライブ機能」のリリースも発表した。

また、今後は同社のほぼすべての製品へこの翻訳技術を導入していく予定だ。
具体的にどのようなものに組み込まれる予定なのかを次に見ていこう。