AI번역기 DeepL 드디어 한국어 서비스 오픈

DeepL 한국어 서비스 오픈

DeepL Translator는 2017년 8월에 출시되었으며 Cologne 에 기반을 둔 DeepL SE 가 소유한 신경망 기계 번역 서비스 입니다. 번역 시스템은 Linguee 내에서 처음 개발되었으며 엔티티 DeepL 로 시작되었습니다 . 처음에는 7개의 유럽 언어 간 번역을 제공했으며 점차 확장되어 31개 언어를 지원했습니다.

1월 31일 드디어 한국어 서비스가 런칭 됐습니다.

 

사람처럼 들리는 AI 번역

파파고, 구글과 같은 기존 번역기의 한계는 문맥을 정확하게 잡아내지 못하고, 특유의 기계 번역체에서 벗어나지 못한다는 것이었다.

 Linguee 데이터베이스 로 훈련된 컨볼루션 신경망 (CNN) 과 함께 독점 알고리즘을 사용합니다 . 개발자에 따르면 이 서비스는 더 새롭고 개선된 신경망 아키텍처를 사용하여 경쟁 서비스에 비해 더 자연스러운 번역 소리를 제공합니다. 번역은 5.1 페타플롭스 에 달하고 아이슬란드 에서 수력 으로 운영되는 슈퍼컴퓨터를 사용하여 생성된다고 합니다 . 일반적으로 CNN은 길고 일관된 단어 시퀀스에 약간 더 적합하지만 순환 신경망에 비해 약점으로 인해 지금까지 경쟁에서 사용되지 않았습니다 . DeepL의 약점은 보완 기술로 보완되며 그 중 일부는 공개적으로 알려져 있습니다

 

DeepL, Google, papago 번역 비교

논문 원문

Generally,most previous works treat weather recognition as a single-label classification task, namely, determining whether an image belongs to a specific weather class or not. This treatment is not always appropriate, since more than one weather conditions may appear simultaneously in a single image.
Specifically, a CNN-RNN based multi-label classification approach is proposed in this paper. The convolutional neural network (CNN) is extended with a channel-wise attention model to extract the most correlated visual features. The Recurrent Neural Network (RNN) further processes the features and excavates the dependencies among weather classes.

 

DeepL

 일반적으로 대부분의 기존 연구에서는 날씨 인식을 단일 레이블 분류 작업, 즉 이미지가 특정 날씨 등급에 속하는지 여부를 결정하는 작업으로 처리합니다. 하나의 이미지에 두 가지 이상의 기상 조건이 동시에 나타날 수 있기 때문에 이러한 처리 방식이 항상 적절한 것은 아닙니다.
 이 논문에서는 특히 CNN-RNN 기반의 다중 레이블 분류 방식을 제안합니다. 컨볼루션 신경망(CNN)을 채널별 주의도 모델로 확장하여 가장 상관관계가 높은 시각적 특징을 추출합니다. 순환신경망(RNN)은 이 특징을 추가로 처리하고 날씨 클래스 간의 의존성을 발굴합니다.

 

Google

 일반적으로 대부분의 이전 작업은 날씨 인식을 단일 레이블 분류 작업, 즉 이미지가 특정 날씨 클래스에 속하는지 여부를 결정하는 작업으로 취급합니다. 하나 이상의 기상 조건이 하나의 이미지에 동시에 나타날 수 있으므로 이 처리가 항상 적절한 것은 아닙니다.
  구체적으로 본 논문에서는 CNN-RNN 기반 다중 레이블 분류 방식을 제안한다. 컨볼루션 신경망(CNN)은 가장 상관관계가 높은 시각적 특징을 추출하기 위해 채널별 주의 모델로 확장됩니다. RNN(Recurrent Neural Network)은 기능을 추가로 처리하고 날씨 클래스 간의 종속성을 발굴합니다.

 

Papago

 일반적으로 대부분의 이전 연구는 날씨 인식을 단일 레이블 분류 작업, 즉 이미지가 특정 날씨 클래스에 속하는지 여부를 결정하는 작업으로 취급한다. 하나의 영상에 둘 이상의 날씨 조건이 동시에 나타날 수 있으므로 이 처리가 항상 적절한 것은 아닙니다.
 특히, 본 논문에서는 CNN-RNN 기반 다중 레이블 분류 접근법을 제안한다. 컨볼루션 신경망(CNN)은 채널별 주의 모델로 확장되어 가장 상관 관계가 있는 시각적 특징을 추출한다. 순환 신경망(RNN)은 기능을 추가로 처리하고 날씨 클래스 간의 종속성을 발굴한다.

 

논문같이 번역하기 좋게 완벽한 문장으로 구성되있으면 조금 차이가 있지만 세 번역기 전부 자연스럽게 번역하는것 같습니다.

 

일상 대화 원문

but this morning has just been a series of me being very spacey. Like it's just been so many things - I was washing the dishes this morning and I somehow managed to like get my head under the faucet? Like I was so into cleaning the bottom of this one glass that I like got my hair wet

 

DeepL

하지만 오늘 아침은 그냥 제가 굉장히 멍한 상태였어요. 오늘 아침에 설거지를 하다가 수도꼭지 밑으로 머리를 집어넣는 등 정말 많은 일들이 있었죠? 제가 좋아하는 유리잔 바닥을 닦다가 머리가 젖어버린 것처럼요.

 

Google

하지만 오늘 아침은 내가 매우 우주적인 일련의 일이었습니다. 정말 많은 일이 있었던 것처럼 - 오늘 아침에 설거지를 하고 있었는데 어쩐지 수도꼭지 아래로 머리를 집어넣는 게 좋았나요? 이 잔의 바닥을 청소하는 데 너무 몰두해서 머리가 젖어버린 것처럼

 

Papago

하지만 오늘 아침은 내가 매우 공간적인 것의 연속이었다. 정말 많은 일들이 있었던 것처럼 - 나는 오늘 아침 설거지를 하고 있었는데 어떻게든 수도꼭지 밑으로 머리를 집어넣고 싶었다? 이 유리잔 밑을 청소하느라 머리를 적신 것처럼 말이야

 

구어체 번역은 셋다 오역이 있지만 DeepL이 가장 자연스럽게 번역하네요.

 

 

https://www.deepl.com/translator

DeepL 번역: 세계에서 가장 정확한 번역기