李双燕 孙晔芃

(首都经济贸易大学外国语学院，北京)

1.引言

随着人工智能技术与翻译领域的深度融合，机器翻译(MT)已成为人工智能翻译时代的新常态。机器口译App因其便捷性、灵活性逐步成为大众生活类翻译的主要选择。但当前机器口译的实验研究较少，主要侧重于使用计算机科学算法及建模评价标准对译文进行自动化、模式化的评分，较少涉及语用层面等语言学意义方面的研究(姜宝涵，2018；刘佳琛，2019)，因此本研究拟将语用层面纳入进来，把语音识别、语言转换以及语音合成看作一个整体，以中国游客在英语国家旅游交流场景为例，评测有道翻译官在模拟真实场景下的机器口译输出质量，并且通过量化和质化分析，找出当前机器口译App存在的问题，并提出改进建议。

20世纪80年代中期，西方学者开始进行口译质量评估实证研究，试图将口译质量量化。Bhler(1986)指出衡量口译质量最重要的9个指标为后续口译质量实证研究奠定了基础。Moser-Mercer(1996)提出针对不同评测目的，口译评测的侧重应该不同。Angelelli(2000)从社会交际视角出发，探索只听取单方对话对口译质量的影响。中国则从90年代起，开始逐步关注口译质量的影响因素及其评估方式。胡庚申(1993)提出了CREDIT模型，并通过计算求出不同级别口译效果的数值范围。鲍刚(1998)采取定性、定量相结合的方式评估口译质量。刘和平(2002)结合科技口译制定了量化的科技口译评估方法。本世纪初，台湾辅仁大学翻译学研究所所长杨……