Ministère de l’Enseignement Supérieur, de la Recherche Scientifique

Ecole Nationale d’ingénieurs de Carthage

 

La traduction automatique de parole

Réalisée par : Samar JELASSI

Année Universitaire 2019/2020

1
01 Introduction

02 Outils de reconnaissance de la parole 

03 Traduction humaine VS traduction
 automatique de la parole

04 La Reconnaissance automatique de la parole

05 Traduction automatique

06 Conclusion

2
Introduction

3
Introduction

 les systèmes informatiques et logiciels améliorent considérablement 
aujourd’hui leur « compréhension » de la nature complexe du langage. 
 La traduction automatisée a commencé dans les années 1950. 
Warren Weaver a amorcé la combination du traitement des langues 
naturelles et du décryptage automatisé. 
 Aujourd’hui, la vitesse et la facilité, promises par une traduction 
automatique et fiable de la parole, sont largement rendues possibles par de 
nombreux outils.

4
Outils de reconnaissance de la parole 

Il existe différents outils de reconnaissance 
Your Picture Here
automatique de la parole que nous utilisons 
de nos jours:

•Microsoft
•Google
•SIRI

5
Traduction humaine VS traduction
 automatique de la parole

Sans entrer dans le fonctionnement de cette technologie « artificielle » 
nous comprenons que grâce à des algorithmes, certaines données 
peuvent être rapidement reconnues et ainsi traduites d’une manière 
qui dépasse l’entendement humain. 
Ce processus comporte plusieurs avantages : c’est plus rapide qu’un 
traducteur humain dans le traitement des requêtes. C’est moins cher 
qu’un traducteur humain. C’est plus accessible et cela permet de conser
ver une forme d’objectivité, de neutralité quant à la traduction.

6
Définition

la traduction automatique de la parole cherche à réunir

deux domaines ayant fait l'objet de recherches de façon
indépendante pendant plus de cinquante ans. D'un côté, il
s'agit de reconnaître de la parole, c'est-à-dire de produire, à
l'aide
d'un système automatisé, une transcription de ce qu’un
locuteur aura prononcé, soit un signal acoustique.
Ainsi qu’une modélisation linguistique, afin que les mots
attribués peuvent ancienne phrase correcte.
7
les difficultés de la traduction automatique

les erreurs de
le style de reconnaissanc
langage employé e
le problème de la
casse

les mots le problème de la

répétés ponctuation

8
Il paraît difficile de décrire convenablement la traduction automatique
de la parole sans avoir préalablement décrit les deux domaines
concernés, à savoir la reconnaissance automatique de la parole et la
traduction automatique. Ces deux domaines, déjà extrêmement vastes.

9
La Reconnaissance automatique de la parole

La reconnaissance automatique de la parole ( RAP ) est un domaine qui s'inscrit dans un ensemble de
recherches prévues depuis le début des années 50 que l'on regroupe sous le nom de «Traitement
Automatique des Langues Naturelles » ( TALN).

Les avancées technologiques réalisées dans ce domaine permettent de nos jours de concevoir des systèmes de
reconnaissance très performants, bien que l’application d’une transcription automatique parfaite reste toujours un
mais à atteindre. Cela s'explique par le fait qu'il est difficile de gérer les spécificités de la parole en elle-même.

Les problèmes réguliers rencontrés provient notamment des fortes disparités entre devenir (homme / femme,
âge, accent.. .) qui font fortement varier la manière dont les mots vont être prononcés.

10
La Reconnaissance automatique de la parole

11
En langue anglaise
Historiquement, les premières campagnes internationales en
reconnaissance automatique de la parole à proprement parler
remontent à la fi n de l'année 1993, avec les
benchmark tests ou Géorgienisés par la DARPA, ont
participé ont participé à plusieurs universités américaines mais
aussi des laboratoires étrangers provenant du Canada de France,
d'Allemagne ou encore du Royaume-Uni.

Les résultats (en termes de WER) variaient entre

16.8% et 12.2% pour le meilleur système

2002, le NIST a organisé des évaluations tendant à produire des

transcriptions plus richesses et à se focaliser sur des tâches plus
ardues telles que la reconnaissance sur de la parole spontanée ou
conversationnelle.

12
En langue française

Au niveau national, l'évaluation de la reconnaissance automatique de

la parole a connu un premier coup d'essai dès 1997 avec la campagne
ARC (B1) organisée par l'Agence Universitaire de la francophonie 2
(AUF)

En janvier 2008, les trois mêmes organismes (AFCP, DGA et ELDA)

ont
organisé une seconde campagne nommée ESTER 2 avec pour finalité la
mesure des progrès réalisés dans le domaine de la reconnaissance
automatique de la parole depuis ESTER 1 ainsi que le lancement de
nouveaux axes de recherche et la production de nouvelles ressources,
notamment un corpus annoté de taille conséquente.

13
Principes des campagnes d'évaluation

La traduction automatique est un domaine qui lui aussi s'inscrit dans l'ensemble de recherches TALN.
Elle peut se définir comme la traduction d'un texte source t 1 écrit en langue L 1 vers un texte cible t 2 écrit
en langue L 2 à l'aide d'un système informatique, sans qu’une intervention humaine ne soit nécessaire.

À quel point les systèmes de reconnaissance automatique

de la parole, de traduction automatique statistique et de
traduction automatique de la parole sont-ils efficaces de nos
jours
14
 • Une campagne d'évaluation scientifique consiste en une tâche
soumise aux chercheurs ou équipes de chercheurs travaillant dans
un domaine spécifique et volontaires pour participer à ladite campagne.

Principes des campagnes • Le système sera globalement construit à partir de données

d'évaluation d'apprentissage restreintes, c'est-à-dire fournis par les organisateurs et
dont la liste aura été fixée à l’avance, bien que des campagnes « libres
»Existant également.

• Cette production, qui devra être achevée dans un temps imparti,

devra ensuite être soumise aux organisateurs de la campagne qui
centralisent la production de chaque équipe participante.

15
 TC-STAR ( Technologies et Corpus pour Speech to Speech
Translation ) était un projet européen d'une durée de trente-six
mois qui se déroula d'avril 2004 à mars 2007. Il est le premier
projet conjoint de recherche visant à promouvoir la traduction
de parole à parole sans restriction de domaine.
Ce système a participé à l’évaluation internationale TC-Star de
Les campagnes TC-STAR 2006, la première participation du LIMSI à une campagne
d’évaluation en traduction automatique.

Entraînement et utilisation typique du traducteur à base de mots au sein

d’un système de traduction complet
16
 Les campagnes IWSLT ( International Workshop sur Spoken Language

Les campagnes IWSLT Translation ), organisées par le consortium CSTAR depuis 2004, sont
des campagnes d'évaluation de la traduction de la parole d'envergure
internationale. Lors des premières éditions, ces campagnes
ne comprenait pas directement d'évaluation de la reconnaissance
automatique de la parole.

Historiquement, la tâche de traduction pour l'évaluation est une tâche

de type BTEC ( Basic Travel Expression Corpus ), consistant donc en la
traduction d'expression courante en situation de voyage à l'étranger.

17
 Les buts à atteindre à long terme étaient les
suivants :
Reconnaissance de la parole efficace et robuste quel que soit le style, les
conditions d’inscription, le locuteur et capable de s'adapter à des
conditions particulières de façon transparente,

Traduction de la parole efficace sur la parole conversationnelle non

contrainte dans de grands domaines de discours,

Intégration effective de la reconnaissance et de la traduction dans un cadre

statistique unifié

Ressemblance entre la synthèse de la parole et la parole humaine réelle.

18
Conclusion

19
Échanger, collaborer, construire ensemble, tout serait plus
simple si l’on pouvait parler toutes les langues. Ou, à défaut, disposer
d’un outil le permettant. Même si le rêve de converser librement
avec tous les habitants de la planète n’est pas encore accessible, de
nombreuses applications de la traduction de la parole sont
Envisageables,

La reconnaissance de la parole exige une modélisation acoustique

des variations liées au locuteur et aux conditions d’enregistrement,
mais aussi une modélisation linguistique pour former des phrases
cohérentes à partir des sons reconnus.

20
Merci de votre a
ttention

21