智能語音技術(shù)經(jīng)年之后的不斷完善，尤其是隨著語音識別準(zhǔn)確率的不斷提高，基于智能語音技術(shù)的智能硬件紛至沓來，除了智能音箱一再受眾人追捧外，智能翻譯機(jī)也悄然逆襲，并入這條快車道。

不同于智能音箱因沒有明確的應(yīng)用場景備受詬病，智能翻譯機(jī)倒是有諸如商務(wù)會議、出國旅行等針對性較強(qiáng)的應(yīng)用場景，由此帶來的則是對深度學(xué)習(xí)算法更高的要求。

智能翻譯機(jī)的技術(shù)基礎(chǔ)說到底還是智能語音技術(shù)，這一點與智能音箱極為相似，其中，神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)尤為關(guān)鍵，各大廠商紛紛針對這一系統(tǒng)進(jìn)行自研，諸如谷歌的GNMT、科大訊飛的INMT、搜狗的SNMT等。

用于機(jī)器翻譯的神經(jīng)網(wǎng)絡(luò)系統(tǒng)最為經(jīng)典的基礎(chǔ)技術(shù)可以歸為兩類——RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）和CNN（卷積神經(jīng)網(wǎng)絡(luò)）。主要區(qū)別在于兩類系統(tǒng)的執(zhí)行順序不同，采用RNN神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯系統(tǒng)是順序執(zhí)行任務(wù)，在進(jìn)行翻譯工作時，要對整個句子從左到右或從右到左依次執(zhí)行，精準(zhǔn)度較高，但無法充分應(yīng)用系統(tǒng)硬件GPU的并行運算能力；采用CNN神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯系統(tǒng)則是并行執(zhí)行任務(wù)，計算效率更高。