用于翻译语音的方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及用于翻译语音的方法和装置。

背景技术：

自动同声传译，又称为“实时语音翻译”，是指实时采集用户基于一种语言的语音，然后将所采集的语音内容自动识别和翻译成另一种语言的翻译结果的过程，用这个过程替代了人工同声传译。为了达到比较好的效果，通常对延时要求较高。如果自动同声传译延时较高，则会影响同声传译效果，影响观众/听众的收听和理解效果。

技术实现要素：

本申请实施例提出了用于翻译语音的方法和装置。

第一方面，本申请实施例提供了一种用于翻译语音的方法，该方法包括：对收到的基于源语言的待识别语音进行语音识别得到识别文本；将所得到的识别文本拼接到待翻译文本之后；将待翻译文本输入预先训练的判别模型，得到用于表征是否对待翻译文本进行翻译的判别结果，其中，判别模型用于表征文本和文本对应的判别结果之间的对应关系，判别结果为用于表征对文本单独进行翻译的是判别结果或者用于表征对文本不单独进行翻译的否判别结果；响应于所得到的判别结果为是判别结果，对待翻译文本进行翻译，得到目标语言的翻译结果，以及输出翻译结果。

在一些实施例中，在输出翻译结果之前，该方法还包括：清空待翻译文本。

在一些实施例中，方法还包括：响应于所得到的判别结果为否判别结果，实时接收待识别语音。

在一些实施例中，判别模型是通过如下训练步骤预先训练得到的：确定初始神经网络的网络结构以及初始化初始神经网络的网络参数；获取训练样本集，其中，训练样本包括样本文本和对应的标注信息，标注信息用于表征是否适合单独翻译样本文本；将训练样本集的训练样本中的样本文本和标注信息分别作为初始神经网络的输入和期望输出，利用机器学习方法训练初始神经网络；将训练得到的初始神经网络确定为预先训练的判别模型。

在一些实施例中，初始神经网络包括输入层、隐藏层、全连接层和分类器层。

第二方面，本申请实施例提供了一种用于翻译语音的装置，该装置包括：识别单元，被配置成对收到的基于源语言的待识别语音进行语音识别得到识别文本；拼接单元，被配置成将所得到的识别文本拼接到待翻译文本之后；判别单元，被配置成将待翻译文本输入预先训练的判别模型，得到用于表征是否对待翻译文本进行翻译的判别结果，其中，判别模型用于表征文本和文本对应的判别结果之间的对应关系，判别结果为用于表征对文本单独进行翻译的是判别结果或者用于表征对文本不单独进行翻译的否判别结果；翻译单元，被配置成响应于所得到的判别结果为是判别结果，对待翻译文本进行翻译，得到目标语言的翻译结果，以及输出翻译结果。

在一些实施例中，翻译单元进一步被配置成：在输出翻译结果之前，清空待翻译文本。

在一些实施例中，该装置还包括：接收单元，被配置成响应于所得到的判别结果为否判别结果，实时接收待识别语音。

在一些实施例中，判别模型是通过如下训练步骤预先训练得到的：确定初始神经网络的网络结构以及初始化初始神经网络的网络参数；获取训练样本集，其中，训练样本包括样本文本和对应的标注信息，标注信息用于表征是否适合单独翻译样本文本；将训练样本集的训练样本中的样本文本和标注信息分别作为初始神经网络的输入和期望输出，利用机器学习方法训练初始神经网络；将训练得到的初始神经网络确定为预先训练的判别模型。

在一些实施例中，初始神经网络包括输入层、隐藏层、全连接层和分类器层。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。

目前实时语音翻译中，语音识别部分给出句号的频率很低，如果在语音识别得到的识别文本中，以句号为单位进行翻译，就会造成相邻两次翻译之间的时间较长，从而造成实时语音翻译延时较长，实时语音翻译的效果不好。而本申请实施例提供的用于翻译语音的方法和装置，通过对收到的基于源语言的待识别语音进行语音识别得到识别文本，再将所得到的识别文本拼接到待翻译文本之后，接着，将待翻译文本输入预先训练的判别模型，得到用于表征是否对待翻译文本进行翻译的判别结果，最后，响应于所得到的判别结果为是判别结果，对待翻译文本进行翻译，得到目标语言的翻译结果，以及输出翻译结果。即，在语音识别得到的识别文本遇到句号之前，通过利用判别模型看能否翻译，如果可以翻译就翻译，而不必等到遇见句号再翻译，从而减少了两次翻译之间的时间间隔，即较少了翻译延时，提高了实时语音翻译的效果。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于翻译语音的方法的一个实施例的流程图；

图3是根据本申请的翻译步骤的一个实施例的流程图；

图4是根据本申请的用于翻译语音的方法的一个应用场景的示意图；

图5是根据本申请的用于翻译语音的方法的又一个实施例的流程图；

图6是根据本申请的用于翻译语音的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于翻译语音的方法或用于翻译语音的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如语音采集类应用，网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有音频采集功能的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供音频采集类服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对从终端设备101、102、103接收到的基于源语言的语音进行语音识别并翻译给出翻译结果的后台服务器。

需要说明的是，本申请实施例所提供的用于翻译语音的方法一般由服务器105执行，相应地，用于翻译语音的装置一般设置于服务器105中。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供实时语音翻译服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于翻译语音的方法的一个实施例的流程200。该用于翻译语音的方法，包括以下步骤：

步骤201，对收到的基于源语言的待识别语音进行语音识别得到识别文本。

在本实施例中，用于翻译语音的方法的执行主体(例如图1所示的服务器)可以对收到的基于源语言的待识别语音进行语音识别得到识别文本。

这里，源语言可以是各种语言，本申请对此不做具体限定。

在本实施例的一些可选的实现方式中，待识别语音可以是与上述执行主体网络连接的终端设备通过有线连接方式或者无线连接方式发送给上述执行主体的。例如，在同声传译场景中，终端设备可以实时采集环境中的语音并缓存所采集的语音，并在检测到超过预设时长的时间间隔未采集到语音后，将所缓存的语音发送给上述执行主体。还例如，在同声传译场景中，终端设备还可以实时采集环境中的语音，并每隔预设时长将所采集的语音作为待识别语音发送给上述执行主体。又例如，终端设备也可以将本地存储的语音文件发送给上述执行主体作为待识别语音。

在本实施例的一些可选的实现方式中，待识别语音也可以是与上述执行主体本地缓存或存储的。例如，在同声传译场景中，上述执行主体本身实时采集环境中的语音并缓存所采集的语音，并在检测到超过预设时长的时间间隔未采集到语音后，将所缓存的语音发确定为待识别语音。还例如，在同声传译场景中，上述执行主体可以实时采集环境中的语音，并每隔预设时长将所采集的语音确定为待识别语音。又例如，上述执行主体也可以将本地存储的语音文件确定为待识别语音。

需要说明的是，上述对待识别语音进行语音识别并得到识别文本的各种方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤202，将所得到的识别文本拼接到待翻译文本之后。

在本实施例中，上述执行主体可以将步骤201中语音识别所得到的识别文本拼接到待翻译文本之后。这里，待翻译文本是当前时刻之前所累积的经语音识别所得到的且还未翻译的识别文本。当然，如果步骤201中是最开始进行翻译语音，则还未累积待翻译文本，待翻译文本可以为空。

步骤203，将待翻译文本输入预先训练的判别模型，得到用于表征是否对待翻译文本进行翻译的判别结果。

在本实施例中，上述执行主体可以在将步骤202中将语音识别所得到的识别文本拼接到待识别文本之后，将拼接之后的待翻译文本输入预先训练的判别模型，得到用于表征是否对待翻译文本进行翻译的判别结果。这里，上述判别模型用于表征文本和文本对应的判别结果之间的对应关系，而判别结果可以为用于表征对文本单独进行翻译的是判别结果或者用于表征对文本不单独进行翻译的否判别结果。例如，可以分别用“1”和“0”表示是判别结果和否判别结果。又例如，还可以分别用“true”和“false”表示是判别结果和否判别结果。

作为示例，上述判别模型可以包括特征提取部分和对应关系表。其中，特征提取部分可以用于从文本中提取特征生成特征向量，例如，特征提取部分可以包括首先将文本切词成词序列，然后将词序列中的每个词转换成词向量(例如利用词袋模型或者词向量(word-embedding)模型)得到词向量序列，再将词向量序列输入各种处理时序数据的神经网络得到文本对应的特征向量。这里，处理时序数据的神经网络可以包括但不限于：卷积神经网络(cnn，convolutionalneuralnetwork)、循环神经网络(rnn，recurrentneuralnetwork)、门控循环单元(gnn，gateneuralnetwork)、时间递归神经网络(lstm，longshorttermmemory)以及双向循环神经网络(birnn，bidirectionalrecurrentneuralnetwork)等。对应关系表可以是技术人员基于对大量的特征向量和判别结果的统计而预先制定的、存储有多个特征向量与判别结果的对应关系的对应关系表。这样，上述判别模型可以首先使用特征提取部分提取步骤202中得到的待翻译文本的特征，从而生成文本特征向量。之后，将该文本特征向量与对应关系表中的多个特征向量依次进行比较，若对应关系表中的某一个特征向量与文本特征向量相同或相似，则将对应关系表中的该特征向量对应的判别结果作为步骤202中拼接之后的待翻译文本对应的判别结果。

在本实施例的一些可选的实现方式中，上述判别模型可以是通过图3所示的训练步骤预先训练得到的，如图3所示，训练步骤可以包括如下步骤301到步骤304：

步骤301，确定初始神经网络的网络结构以及初始化初始神经网络的网络参数。

在本实施例中，训练步骤的执行主体可以与用于翻译语音的方法的执行主体相同或者不同。如果相同，则训练步骤的执行主体可以在训练得到神经网络后将训练好的神经网络的网络结构信息和网络参数的参数值存储在本地。如果不同，则训练步骤的执行主体可以在训练得到神经网络后将训练好的神经网络的网络结构信息和网络参数的参数值发送给用于翻译语音的方法的执行主体。

这里，训练步骤的执行主体可以首先确定初始神经网络的网络结构。例如，需要确定初始神经网络包括哪些层，层与层之间的连接顺序关系，以及每层都包括哪些神经元，每个神经元对应的权重(weight)和偏置项(bias)，每层的激活函数等等。

可以理解的是，由于神经网络可以包括各种类型的神经网络，对于不同类型的神经网络所需要确定的网络结构也不相同。

可选地，初始神经网络可以是各种适合处理时序数据的神经网络，可以包括但不限于：卷积神经网络、循环神经网络、门控循环单元、时间递归神经网络以及双向循环神经网络等。

然后，训练步骤的执行主体可以初始化初始神经网络的网络参数。实践中，可以将神经网络的各个网络参数(例如，权值参数和偏置参数)用一些不同的小随机数进行初始化。“小随机数”用来保证网络不会因权值过大而进入饱和状态，从而导致训练失败，“不同”用来保证网络可以正常地学习。

步骤302，获取训练样本集。

这里，训练步骤的执行主体可以本地或者远程地从与上述执行主体网络连接的其他电子设备获取训练样本集。其中，每个训练样本可以包括样本文本和对应的标注信息，标注信息用于表征是否适合单独翻译样本文本。例如，可以由人工标定样本文本对应的标注信息。

作为示例，标注信息可以是数值，例如，用0表示不适合单独翻译样本文本，用1表示适合单独翻译样本文本，又例如标注信息还可以是文字、字符或者符号的组合。例如，用字符串“适合”表示适合单独翻译样本文本，用字符串“不适合”表示不适合单独翻译样本文本。

作为示例，这里给出一种人工对样本文本标注信息的规则：

假设两个子句str1和子句str2，如果子句：str1+“，”+str2的翻译结果由str1+“，”的翻译结果开头，而且str1+“，”+str2的翻译结果由str的翻译结果与str1+“，”的翻译结果加上str2的翻译结果组成，那么可以将子句str1标注为适合单独翻译。

步骤303，将训练样本集的训练样本中的样本文本和标注信息分别作为初始神经网络的输入和期望输出，利用机器学习方法训练初始神经网络。

这里，训练步骤的执行主体可以首先将训练样本集中的训练样本中的文本切词成词序列，然后对词序列中的每个词转换成词向量(例如利用词袋模型或者词向量(word-embedding)模型)得到词向量序列，再将词向量序列输入初始神经网络，得到该样本文本的判别结果，再以该训练样本中的标注信息作为初始神经网络的期望输出，利用机器学习方法训练初始神经网络。具体地，可以首先利用预设的损失函数计算所得到的判别结果与该训练样本中的标注信息之间的差异，例如，可以采用l2范数、交叉熵损失等作为损失函数计算所得到的判别结果与该训练样本中的标注信息之间的差异。然后，可以基于计算所得的差异，调整初始神经网络的网络参数，并在满足预设的训练结束条件的情况下，结束训练。例如，这里预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；计算所得的差异小于预设差异阈值。

这里，可以采用各种实现方式基于所生成的判别结果与该训练样本中的标注信息之间的差异调整初始神经网络的网络参数。例如，可以采用bp(backpropagation，反向传播)算法或者sgd(stochasticgradientdescent，随机梯度下降)算法来调整初始神经网络的网络参数。

步骤304，将训练得到的初始神经网络确定为预先训练的判别模型。

这里，训练步骤的执行主体可以将步骤303中训练得到的初始神经网络确定为预先训练的判别模型。

可选地，初始神经网络可以包括输入层、隐藏层、全连接层和分类器层。其中，输入层用于输入词向量序列，隐藏层用于连接前后两层，全连接层用于实现特征降维，而分类器层用于对全连接层的输出数据进行非线性计算，从而得到0到1之间的用于表征样本文本适合进行单独翻译的概率值。例如，分类器层可以采用softmax函数进行非线性计算。

经过步骤301到步骤304可以得到判别模型。

步骤204，响应于所得到的判别结果为是判别结果，对待翻译文本进行翻译，得到目标语言的翻译结果，以及输出翻译结果。

在本实施例中，上述执行主体可以在步骤203中所得到的判别结果为是判别结果的情况下，表明待翻译文本适合进行翻译，不必继续等待新的识别文本进来，则对待翻译文本进行翻译，得到目标语言的翻译结果，然后输出翻译结果。

这里，目标语言可以是不同于上述源语言的语言。

需要说明的是，上述对待翻译文本进行翻译并得到目标语言的翻译结果的各种方法是目前广泛研究和应用的公知技术，在此不再赘述。

这里，可以采用各种方法输出翻译结果。例如，在同声传译场景中，可以将翻译结果以文字、图片形式呈现在于上述执行主体连接的显示器中，当然还可以将上述翻译结果进行语音合成，并用扬声器播放上述合成之后的语音。当然，还可以将上述翻译结果进行保存。

在本实施例的一些可选的实现方式中，上述执行主体可以在输出翻译结果之前，由于已经将待翻译文本进行翻译了，则可以将待翻译文本清空，这样在下次执行步骤202时，待翻译文本中已无可翻译内容。

继续参见图4，图4是根据本实施例的用于翻译语音的方法的应用场景的一个示意图。在图4的应用场景中，终端设备401实时采集用户402用源语言-英语说出的用户语音，并将所采集的用户语音作为待识别语音403进行语音识别，得到识别文本404，然后服务器401将所得到的识别文本404拼接到待翻译文本405之后；接着，服务器401将待翻译文本405输入预先训练的判别模型406，得到是判别结果407；而后，对待翻译文本405进行翻译，得到目标语言-汉语的翻译结果408，并将所得到的翻译结果408输出到用户409的终端设备410。

本申请的上述实施例提供的方法通过对收到的基于源语言的待识别语音进行语音识别得到识别文本，再将所得到的识别文本拼接到待翻译文本之后，接着，将待翻译文本输入预先训练的判别模型，得到用于表征是否对待翻译文本进行翻译的判别结果，最后，响应于所得到的判别结果为是判别结果，对待翻译文本进行翻译，得到目标语言的翻译结果，以及输出翻译结果。即，在语音识别得到的识别文本遇到句号之前，通过利用判别模型看能否翻译，如果可以翻译就翻译，而不必等到遇见句号再翻译，从而减少了两次翻译之间的时间间隔，即较少了翻译延时，提高了实时语音翻译的效果。

进一步参考图5，其示出了用于翻译语音的方法的又一个实施例的流程500。该用于翻译语音的方法的流程500，包括以下步骤：

步骤501，对收到的基于源语言的待识别语音进行语音识别得到识别文本。

步骤502，将所得到的识别文本拼接到待翻译文本之后。

步骤503，将待翻译文本输入预先训练的判别模型，得到用于表征是否对待翻译文本进行翻译的判别结果。

在本实施例中，步骤501、步骤502和步骤503的具体操作与图2所示的实施例中步骤201、步骤202和步骤203的操作基本相同，在此不再赘述。

步骤504，确定所得到的判别结果是否为是判别结果。

在本实施例中，用于翻译语音的方法的执行主体(例如图1所示的服务器)可以确定步骤503中所得到的判别结果是否为是判别结果。如果为是判别结果，则可以转到步骤505执行，如果为否判别结果，则可以转到步骤506执行。

步骤505，对待翻译文本进行翻译，得到目标语言的翻译结果，以及输出翻译结果。

在本实施例中，上述执行主体可以在步骤504中确定所得到的判别结果为是判别结果的情况下，表明待翻译文本适合单独翻译，则可以对待翻译文本进行翻译，得到目标语言的翻译结果，以及输出翻译结果。

步骤506，实时接收待识别语音。

在本实施例中，上述执行主体可以在步骤504中确定所得到的判别结果为否判别结果的情况下，表明待翻译文本不适合单独翻译，则可以再实时接收待识别语音，并转到步骤501继续执行。即，接收更多的待识别语音，并将待识别语音对应的识别文本继续拼接在待识别文本之后，并再次判断是否适合单独翻译。

从图5中可以看出，与图2对应的实施例相比，本实施例中的用于翻译语音的方法的流程500多出了在判断待识别文本不适合单独进行翻译的情况下继续接收待识别语音的步骤。由此，本实施例描述的方案可以实现更全面地翻译语音，即可以实现减少同声传译中翻译延时的效果。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于翻译语音的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于翻译语音的装置600包括：识别单元601、拼接单元602、判别单元603和翻译单元604。其中，识别单元601，被配置成对收到的基于源语言的待识别语音进行语音识别得到识别文本；拼接单元602，被配置成将所得到的识别文本拼接到待翻译文本之后；判别单元603，被配置成将上述待翻译文本输入预先训练的判别模型，得到用于表征是否对上述待翻译文本进行翻译的判别结果，其中，上述判别模型用于表征文本和文本对应的判别结果之间的对应关系，判别结果为用于表征对文本单独进行翻译的是判别结果或者用于表征对文本不单独进行翻译的否判别结果；翻译单元604，被配置成响应于所得到的判别结果为是判别结果，对上述待翻译文本进行翻译，得到目标语言的翻译结果，以及输出上述翻译结果。

在本实施例中，用于翻译语音的装置600的识别单元601、拼接单元602、判别单元603和翻译单元604的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述翻译单元604可以进一步被配置成：在输出上述翻译结果之前，清空上述待翻译文本。

在本实施例的一些可选的实现方式中，上述装置600还可以包括：接收单元605，被配置成响应于所得到的判别结果为否判别结果，实时接收待识别语音。

在本实施例的一些可选的实现方式中，上述判别模型可以是通过如下训练步骤预先训练得到的：确定初始神经网络的网络结构以及初始化上述初始神经网络的网络参数；获取训练样本集，其中，训练样本包括样本文本和对应的标注信息，标注信息用于表征是否适合单独翻译样本文本；将上述训练样本集的训练样本中的样本文本和标注信息分别作为上述初始神经网络的输入和期望输出，利用机器学习方法训练上述初始神经网络；将训练得到的上述初始神经网络确定为上述预先训练的判别模型。

在本实施例的一些可选的实现方式中，上述初始神经网络可以包括输入层、隐藏层、全连接层和分类器层。

需要说明的是，本申请实施例提供的用于翻译语音的装置中各单元的实现细节和技术效果可以参考本申请中其它实施例的说明，在此不再赘述。

下面参考图7，其示出了适于用来实现本申请实施例的电子设备的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu，centralprocessingunit)701，其可以根据存储在只读存储器(rom，readonlymemory)702中的程序或者从存储部分708加载到随机访问存储器(ram，randomaccessmemory)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o，input/output)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt，cathoderaytube)、液晶显示器(lcd，liquidcrystaldisplay)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan(局域网，localareanetwork)卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括识别单元、拼接单元、判别单元和翻译单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，识别单元还可以被描述为“对收到的基于源语言的待识别语音进行语音识别得到识别文本的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：对收到的基于源语言的待识别语音进行语音识别得到识别文本；将所得到的识别文本拼接到待翻译文本之后；将待翻译文本输入预先训练的判别模型，得到用于表征是否对待翻译文本进行翻译的判别结果，其中，判别模型用于表征文本和文本对应的判别结果之间的对应关系，判别结果为用于表征对文本单独进行翻译的是判别结果或者用于表征对文本不单独进行翻译的否判别结果；响应于所得到的判别结果为是判别结果，对待翻译文本进行翻译，得到目标语言的翻译结果，以及输出翻译结果。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。