基于Android平臺的漢-英-泰互譯有聲電子詞典①

劉 峰, 王嘉梅, 林 睿, 李新運, 張晨陽, 石兵坤, 楊瑩玉

1(云南民族大學 云南省高校少數民族語言文字信息化處理工程研究中心,昆明 650500)2(云南民族大學 電氣信息工程學院,昆明 650500)

自Google在2008年正式發布Android手機操作系統,并公開其所有原始碼之后,Android便成為手機第一個完整的開放開發平臺[1]. 而由于其開源的特性,Android操作系統已成為智能手機的主流. 全球眾多的開發者支持Android應用開發,越來越多的軟、硬件廠商,也競相投入Android相關研發計劃. 可以預見的是,未來越來越多的用戶將使用Android智能手機,各種功能的Android手機應用軟件將供不應求.

與此同時,自中國國家主席習近平提出“一帶一路”重大倡議以來,得到國際社會高度關注. 而云南省在其中的定位是,發揮區域橋頭堡的優勢,打造大湄公河次區域經濟合作新高地,建設成為面向南亞、東南亞的輻射中心. 云南省是中國離泰國距離最短的省份,作為中國和泰國交流的排頭兵,云南通過自身與泰國的合作,不斷推動著中泰經貿的發展. 近年來,中泰經貿關系持續穩定增長,中國是泰國最大貿易伙伴,泰國是中國在東盟國家中第四大貿易伙伴. 在旅游方面,中國已成為泰國第一大入境旅游客源國. 在人員交流方面,目前有2萬多泰國留學生在中國學習,人數在東盟國家中是最多的,而中國則是泰國最大的留學生生源國. 未來,中泰兩國還將共同推進“一帶一路”建設,打造亞洲命運共同體,成為國家發展睦鄰友好與互利共贏的典范.

語言作為人們溝通的工具,在中泰雙邊往來當中發揮著重要作用. 隨著漢語與泰語翻譯的需求量急劇增加,如何快速且方便地翻譯兩國語言,對于中泰兩國人民來說十分重要. 傳統的翻譯方式大多是采用紙質詞典,不能快速便捷地翻譯,而聘請翻譯官費用又十分昂貴,并且專業的中泰翻譯人員有限,不能滿足大眾的需求. 而移動互聯網的崛起和Android智能手機的普及,為電子詞典的發展提供了契機,正好可以解決以上的問題. 設計一款基于Android智能手機的漢-英-泰電子詞典,最大限度的滿足了人們隨時隨地查詢詞典的需要,成為人們查詢詞典及移動學習的首選. 本設計雖然是一個個案,但對于其他語種(如彝文等)信息處理的理論指導,以及泰語機器翻譯系統相關領域的研究具有廣泛而深遠的意義.

1 電子詞典現狀分析

1.1 Android平臺上的電子詞典

目前Android應用市場上的電子詞典應用軟件非常之多,常見的電子詞典涉及中、英、韓、日、德、法、西等主流語言的翻譯,例如金山詞霸、滬江小D詞典、網易有道詞典、歐路詞典等應用. 而像百度翻譯、有道翻譯官、微軟必應詞典等應用可選擇更多語種翻譯,包括愛沙尼亞語、泰語、越南語等小語種的翻譯. 市場上的這些應用詞典基本具有查詞、生詞本、語音發音、句子翻譯等功能,但這些客戶端通常占用空間和資源較大,并且需要聯網才能翻譯一些小語種語言,使用語音發音功能也需聯網,使用網絡流量較大,對用戶的網絡流量和網絡傳輸速率要求較高.

1.2 漢-英-泰電子詞典發展現狀

當前存在一些涉及泰語翻譯的Android詞典軟件,如微軟必應詞典、百度翻譯等都可以在眾多語種中選擇泰語翻譯,但這些應用只能漢譯泰或英譯泰的雙向互譯,并不能漢-英-泰三語同時互譯,有的應用不能翻譯泰語,有的可以翻譯包括泰語的眾多語種,但專門翻譯漢-英-泰的軟件少之又少. 這些涉及泰語的電子詞典使用其相關功能時需要網絡流量,而且幾乎沒有能從圖片中識別泰文的應用. 而本文設計的漢-英-泰互譯有聲電子詞典是一款專門針對漢-英-泰互譯的詞典APP,可實現漢-英-泰三語同時互譯功能,能準確翻譯泰語,具有原汁原味泰語真人發音功能,有豐富的本地詞庫,實現真正意義上的隨時隨地漢-英-泰查詢互譯,還具有對話翻譯和拍照翻譯功能,填補了泰語電子詞典應用市場的空白.

2 系統相關技術介紹

2.1 Android系統簡介

Android是Google于2007年11月推出的一款基于Linux平臺的開源手機操作系統. 它是一種基于Linux的自由及開放源代碼的操作系統,主要使用于移動設備. 如今Android已成為市場占有率最高的手機操作系統[2]. Android系統架構粗略地可分為以下5個部分：Linux內核層、系統庫、Dalvik/Art、應用框架層、應用程序層[3],Android系統架構如圖1所示. 在Android Studio開發環境下開發Android應用,官方推薦采用視圖和邏輯分離的原則,也就是使用XML文件來控制界面布局,然后通過Java代碼來控制這些布局和組件的功能[4].

2.2 Android開發環境搭建

文章設計的漢-英-泰電子詞典是在Android Studio開發環境下完成實現的. 搭建Android Studio開發環境,首先要下載并配置Java JDK,在Oracle官方網站下載最新的JDK后,將其安裝至電腦上,然后配置計算機的JAVA_HOME、CLASSPATH、Path三個環境變量. 其次在Android開發者官網,下載并安裝Android Studio,至此,Android開發環境便搭建好了.Android Studio集成開發工具界面如圖2所示.

圖1 Android系統架構

圖2 Android Studio集成開發工具界面

2.3 Android數據持久化技術

數據持久化技術就是將數據保存至存儲設備中,保存在存儲設備中的數據是處于持久狀態的. Android系統內置了SQLite數據庫,SQLite是一款輕量級的關系型數據庫,它的運算速度非常快,占用資源很少.SQLite不僅支持標準的SQL語法,還遵循了數據庫的ACID事務,文章設計的基于Android平臺的漢-英-泰電子詞典APP的本地詞庫,就是通過SQLite數據庫實現的.

3 電子詞典客戶端研究概括

3.1 系統功能結構總體設計

本系統主要可分為五大功能模塊：詞典模塊、單詞本模塊、百科模塊、翻譯模塊和更多模塊. 本系統的各功能模塊的組成如圖3所示.

圖3 系統總體功能模塊圖

(1)詞典模塊

此模塊為本系統的關鍵模塊,主要是實現漢-英-泰互相查詢的功能,用戶根據實際需要,輸入漢英泰任意一種語言的單詞或詞組,點擊查詢按鈕后,便可查詢檢索出其對應的其他兩種語言的釋義,并且可實現對應的泰語的發音,還可將生詞添加至單詞本中.

(2)單詞本模塊

主要是方便個人學習的,在此模塊可以查看生詞,添加或刪除生詞,以達到復習生詞的目的.

(3)百科模塊

主要包含了一些泰國人文信息,例如泰國旅游實用口語、泰國名言警句、泰語基礎知識等,都可在此模塊查看.

(4)翻譯模塊

針對長語句翻譯,在此模塊可自動檢測輸入的語言類型,也可手動選擇翻譯類型,包括對話翻譯和拍照翻譯功能.

(5)更多模塊

主要是一些其它的功能,包括作者介紹和意見反饋等.

3.2 語料庫建設

本課題組在工程中心機構的支持下,結合我校東南亞語言學科的優勢,發揮少數民族語言文字、自然語言處理、電子信息等文理交叉、多學科交融綜合研究的特色,建立了泰語語料庫. 語料庫的建設是在我校國際交流學院留學生,民族文化學院研究生等協助下,通過收集高等學校泰語專業教材等方法,在對語料糾正、翻譯和標注后完成的[5]. 最終的泰語語料庫是以Excel表形式呈現的,語料庫共包含29945條泰語詞匯及其漢語和英語的釋義,這將為后續泰語詞匯數據庫建設提供幫助. 部分泰文詞匯表如圖4所示.

圖4 泰-漢英語料庫部分展示

3.3 詞匯數據庫建設計

本設計的目的是在Android智能手機的環境下,實現具有漢-英-泰詞匯相互查詢功能的電子詞典,其核心是關于漢-英-泰詞匯查詢檢索的功能,本設計決定采用本地詞庫的方式實現上述功能,因此建立漢-英-泰詞匯數據庫是必要的. 此外,生詞本的建立以及顯示歷史查詢記錄等功能,也需要將數據儲存至數據庫表中. 以上提到的功能,是依托建立相關的SQLite數據庫來實現的.

(1)建立漢-英-泰詞匯數據庫

經仔細分析,對于在Android Studio開發環境下創建的項目,當項目中創建一個SQLite數據庫時,SQLite數據庫就是一個后綴為“.db”的文件,它是保存在data/data/包名/databases目錄下的,其中包名是指當前已經創建數據庫的項目的包名. 操作SQLite數據庫是通過Java語句實現的,每當在數據庫表中添加一個詞匯就要編寫一條Java語句,如果有很多詞匯的話,創建數據庫時就要編寫大量的Java語句,這是不現實的也是十分耗費項目編譯時間的. 因此需要在另一個項目中創建好所需的SQLite數據庫,然后將此SQLite數據庫導入所需的項目中.

由此可知,把漢-英-泰詞匯數據庫做成“.db”文件,再將其導入至項目的data/data/包名/databases目錄下,項目就可以不用創建數據庫,而直接使用SQLite數據庫了,本設計就是通過在項目中導入數據庫實現的.

本課題的泰語語料庫是Excel表格形式的,表格中有29945條泰語詞匯及其對應的英漢釋義,將Excel表格轉化成后綴為.db的SQLite數據庫文件,通常的做法是利用可視化的SQLite操作工具(如SQLite Expert Professor、Navicat等),但在實際操作過程中,Excel轉換為CSV格式后,無論是編碼方式改為UTF-8還是用記事本打開文檔,泰文都出現了亂碼的情況,故不采用上述的方法. 我們創造性地想出了一個新的方法,此方法的流程如圖5所示,其基本思路是：在Android Studio中另外建一個項目用于構建漢-英-泰詞匯的SQLite數據庫,首先在這個新建的項目app/libs文件夾中導入操作Excel表格的jar包; 其次,將泰語詞庫的Excel表格復制至項目的assets文件夾中; 再次,在項目的Java代碼中編寫循環語句,使得項目可讀取Excel表格每一行的內容然后添加至SQLite數據庫表中; 最后,在File Explorer中將創建好的SQLite數據庫(“.db”文件)拷貝至電腦上. 之后便可將這個已經創建好的漢-英-泰詞匯SQLite數據庫,導入至所需要的項目中,就可以在項目中使用詞匯數據庫了.

(2)其它數據庫表的建立

本設計除了需要漢-英-泰詞匯SQLite數據庫之外,為了實現生詞本及歷史查詢記錄的功能,還需要在S Q L i t e數據庫中建立兩張表. 在項目中新建MyDatabaseHelper類繼承自SQLiteOpenHelper,在這個類中建立words表和history表,用于存放生詞和歷史查詢記錄的數據,它們的結構如表1和表2所示.

圖5 構造詞匯數據庫過程示意圖

表1 words表結構

表2 history表結構

3.4 語音庫建設

我們利用構建好的泰語語料庫,以泰語文字和標注序號作為錄音的依據,采用前期工作開發的原音錄音軟件,在安靜的實驗室里完成了整個泰語錄音過程.錄音人員是我校漢語國際教育專業的泰國留學生,能夠保證泰語錄音的原汁原味. 最終我們得到了以.WAV為后綴的泰語錄音文件,錄音成果如圖6所示.至此,課題組建立了泰語語音庫,這將為后續漢-英-泰電子詞典應用的泰語發音功能提供支撐.

數據庫中我們只存儲聲音音頻文件的路徑,具體的聲音文件則是存儲于手機SD卡中,當需要播放某泰語錄音文件時,只要通過數據庫讀取其錄音文件的路徑,然后通過路徑將音頻文件取出,然后交給媒體播放器播放,就實現了軟件中朗讀泰文的目的.

圖6 泰語音頻錄制成果展示

4 電子詞典客戶端功能實現

4.1 項目結構

在Android Studio中創建一個名為ThaiWangDic的項目,以此項目來開發漢-英-泰電子詞典,Android模式下的項目目錄結構如圖7所示. 其中asstes文件夾中存放的是已經創建好的漢-英-泰詞匯SQLite數據庫文件,當安裝此應用時,程序會將此詞庫導入至相關目錄中. 而res/layout文件夾中存放的是應用各種界面布局的XML文件[6]. Java/com.ymu.thaiwangdic中存放的則是包含各種界面邏輯功能的Java代碼[7]. Android Manifest. xml文件則是整個Android項目的配置文件,Activity等組件需要在這個文件里注冊,另外還有一些權限申明要在其中添加[8].

4.2 本地詞庫的實現

將之前創建好的漢-英-泰詞匯SQLite數據庫(.db文件) 導入項目中,在安裝應用程序時詞庫會加載至對應路徑上,這就實現了詞庫的本地化. 在安裝應用時,程序會檢查是否存在數據庫文件的目錄,若不存在則創建目錄,若存在則將項目assets文件夾中的.db文件加載到該目錄中.

4.3 系統主界面

系統主界面采用的是底部導航欄的形式,實現界面的切換. 底部的導航欄存放了多個選項卡,包括：詞典、單詞本、百科、翻譯和更多五個部分,點擊選項卡可切換至相關的界面. 系統主界面默認一開始是停留在詞典界面的,主界面如圖8所示.

圖7 Android模式下的項目結構

圖8 系統主界面

4.4 詞典界面

詞典界面主要是實現漢-英-泰相互查詢的功能,這個功能也是應用軟件的核心功能. 當安裝應用程序時,該軟件會使用openDatabase()的方法在詞典界面的onCreate方法中導入漢-英-泰詞匯SQLite數據庫,代碼如下：db=openDatabase();其中db是定義的SQLiteDatabase類型變量. 當用戶點擊界面上方的文本輸入框,輸入漢泰英任意一種語言的單詞或詞組,點擊查詢按鈕后,在查詢按鈕的單擊事件中,會調用db的query方法在數據庫中查找相應的單詞釋義,并將查詢結果顯示出來. 運行界面如圖9所示. 該界面的文本輸入框由AutoCompleteTextView組件實現,當用戶輸入兩個字符后,將進行模糊查詢,檢索到與前兩個字符相同的單詞,以下拉菜單的形式顯示出來,實現模糊查詢.其整個流程如圖10所示.

圖9 詞典界面

圖10 單詞查詢流程圖

部分關鍵Java代碼如下(以查詢英文為例)：

基于Android平臺的電子詞典除實用性與便捷性之外,與傳統紙質詞典最大的區別在于可以實現單詞語音發音. 在詞典界面中,當查詢結果顯示出來后,界面的右上角有一個像喇叭一樣的按鈕,點擊此按鈕,將會播放此單詞對應的泰語真人發音. 還有一個類似五角星的按鈕,點擊此按鈕可將當前查詢到的單詞及其相關的釋義保存至單詞本中,以便日后查看和復習使用.

(1)泰語真人發音模塊

此軟件使用Android中的MediaPlayer類來實現音頻的播放,將所有詞匯的泰語真人發音資料保存于手機的SD卡當中,項目中首先創建一個MediaPlayer對象,當查詢檢索單詞有結果時,調用setDataSource()方法來設置對應詞的泰語音頻文件的路徑,再調用prepare()方法使MediaPlayer進入到準備狀態,當播放按鈕按下時,便會調用start()方法播放相關音頻了. 最后當播放完音頻后需調用reset()方法,這樣下次播放才會正常. 還要注意的是,要在項目中加入訪問SD卡的權限,才能成功讀取SD卡中的音頻文件并播放.

(2)添加生詞模塊

點擊添加生詞按鈕,系統便會將查詢到的單詞添加至之前創建好的數據庫的words表中,以便在單詞本界面中查看.

4.5 單詞本界面

單詞本界面主要是顯示用戶添加的生詞,方便用戶瀏覽,點擊一個生詞會顯示其詳細的釋義. 在此界面,用戶可以添加或刪除生詞,管理生詞十分方便,通過單詞本界面,用戶可以及時復習未掌握的生詞. 在此界面,系統運用的是ListView組件顯示生詞的,當界面啟動時,系統用cur = db2.rawQuery("SELECT * FROM words",null);語句查詢數據庫words表中的所有詞匯數據,然后通過SimpleCursorAdapter配置器將生詞顯示于ListView組件中. 此界面如圖11所示.

4.6 百科界面

在百科界面,介紹了一些泰國實用信息,如泰國旅游實用口語、泰國名言警句、泰語基礎知識等. 界面如圖12所示. 此界面運用了ScrollView組件嵌套一個TextView組件來顯示泰國的實用信息,之所以實用ScrollView組件是因為它很方便,它可以允許用戶通過滾動的方式查看屏幕以外的內容.

圖11 單詞本界面

圖12 百科界面

4.7 翻譯界面

翻譯界面的功能和詞典界面的類似,只是在此界面我們可以翻譯較長的語句,界面頂部有一個下拉選項框,可以選擇翻譯的類型,默認是語言自動檢測,即自動識別輸入的語言類型,然后將其翻譯出來. 右上角有對話翻譯和拍照翻譯按鈕. 界面如圖13所示.

圖13 翻譯界面

4.8 更多界面

更多界面是為了實現一些其它更多的功能,以更好地迎合用戶的需要. 此界面包含了設置、意見反饋、檢測新版本、關于等模塊. 其中關于模塊是對軟件的作者介紹及申明版權所屬的. 此界面如圖14所示.

圖14 更多界面

5 系統特色

5.1 特色一：調用百度語音技術實現對話翻譯

對話翻譯是指用戶對著應用說話(中文或英文)后,應用立即翻譯出對應的釋義并播放相應的泰語真人發音,實現即聽、即譯、即說的效果. 而利用百度語音識別技術可將用戶的聲音轉化為文字,運用百度語音識別技術,首先要在項目的AndroidManifest.xml文件中添加使用麥克風錄音等權限; 其次在百度語音開放平臺上注冊申請API Key和Secret Key,并下載相關jar包和so庫; 然后在項目的app/libs中添加jar包,在armeabi和mips中添加so庫; 最后在對話翻譯dialogueActivity.java的onCreate方法中設置API Key和Secret Key等相關參數,并實例化百度語音識別對話框. 在百度語音識別回調接口中重寫onResults方法,使其用識別的文字查詢SQLite詞匯數據庫,將釋義顯示出來并由MediaPlayer播放泰語發音,便可實現對話翻譯功能. 對話翻譯界面的activity_dialogue布局主要運用了強大的滾動控件RecyclerView,它定義在support庫當中,在項目的build.gradle中添加相應的依賴庫便可使用,添加后需點擊Sync Now來進行同步.對話翻譯界面如圖15所示,百度語音識別對話框如圖16所示.

5.2 特色二：運用Tesseract-OCR引擎實現拍照翻譯

Tesseract是開源的OCR(Optical Character Recognition) 引擎,可識別多種格式的圖像并將其轉換成文本,目前已支持60多種語言. 本系統利用Tesseract-OCR引擎識別圖片中的文字,然后翻譯實現拍照翻譯功能. 由于Tesseract是以C++實現的,在Android上運用需要封裝Java API,而tess-two是Tesseract Tools for Android的一個Git分支,在Android項目的build.gradle中添加tess-two的依賴庫便可運用Tesseract技術.

圖15 對話翻譯界面

圖16 百度語音識別對話框

為了運用Tesseract-OCR引擎識別圖片中的文字,還需將Tesseract識別文字的字庫(中英泰字庫)放入項目的assets/tessdata文件夾中,應用安裝時會將字庫復制至SD卡中,AndroidManifest.xml文件也要加入調用相機等權限. 拍照界面如圖17所示,其布局activity_take_photo中添加了自定義的相機CameraPreview并在TakePhotoActivity.java的onCreate方法中實例化自定義相機、拍照按鈕和頂部Spinner組件,Spinner組件用于選擇文字識別類型,當用戶點擊拍照按鈕或從相冊中選擇一副圖后,系統會設置Visibility屬性值使拍照界面消失,而將截圖界面顯示出來,如圖18所示.在截圖界面確定按鈕的監聽器中,新建Intent對象的startActivity方法會開啟識別界面,如圖19所示. 在識別界面ShowCropperedActivity.java中,為了提高識別的準確性,圖片先進行灰度化處理,再由新建TessBaseAPI對象baseApi的init方法設置字庫SD卡路徑、語言類型等相關參數后,在子線程中執行getUTF8Text方法即可以UTF-8編碼類型識別灰度化圖像的文本,翻譯此文本即可實現拍照翻譯功能.

圖17 拍照界面

圖18 截圖界面

圖19 識別界面

6 系統測試

測試系統,可以檢測其整體性能和運行效率是否符合設計需求. 軟件測試需要一個運行的載體,可以是一部Android手機,也可以是Android模擬器(Android Virtual Device,AVD). 在本軟件開發完成后,我們在Android Studio上創建的Android模擬器(Android 5.1,API Level為22)和一臺華為KIW-TLOOH型號的Android手機(Android 5.1.1)上,分別進行了軟件測試.測試結果為：軟件各項性能,均達到預期效果,軟件的界面和功能實現比較理想,系統運行穩定流暢,易于操作,具備一定的便利性和實用性.

7 結束語

目前,Android在移動領域已經得到廣泛應用,Android手機應用軟件發展迅猛,幾乎各行各業的企業和公司都推出了與其服務相關的Android版移動客戶端[9]. 本文利用Android Studio開發平臺,使用Java語言及SQLite數據庫設計并開發了在Android平臺下的漢-英-泰互譯有聲電子詞典應用軟件,實現了關于漢-英-泰的單詞查詢、生詞本錄入、語音輸入、泰語真人朗讀、句子翻譯、對話翻譯、拍照翻譯、百科知識等功能. 系統界面美觀大方,貼近用戶,運行穩定流暢,易于操作,具備一定的便利性和實用性.

在中泰兩國經貿交流越發頻繁的背景下,軟件可提供給赴泰的游客、泰國留學生以及其他的泰文學習者使用,使用者可以隨時隨地學習泰語并且能及時應用泰語與他人進行交流,相信此軟件將會對他們的泰語和漢語學習起到較好的促進作用.

1 郭霖. 第一行代碼. 2版. 北京：人民郵電出版社,2016.

2 施威銘. Android APP開發入門. 北京：機械工業出版社,2016.

3 郭金尚. Android經典項目案例開發實戰寶典. 北京：清華大學出版社,2013.

4 黃藝鋒,閆巧. 基于Android平臺電子詞典的設計與實現.計算機應用,2011,31(S2)：228-232.

5 胡剛,王嘉梅,李炳澤,等. 漢英-泰互譯有聲語料的數據庫研 究 . 計 算 機 系 統 應 用,2016,25(9)：223-229. [doi：10.15888/j.cnki.csa.005242]

6 李肖. 基于Android的電子詞典系統設計與實現[碩士學位論文]. 長春：吉林大學,2013.

7 王佳頊. 基于Android的電子詞典手機客戶端的設計與實現[碩士學位論文]. 北京：北京交通大學,2012.

8 周宇,尹生強,王冬青,等. 基于Eclipse和Android系統的App開發平臺搭建研究. 青島大學學報,2016,31(3)：49-53.

9 趙志成. 基于Android平臺的維漢多媒體電子詞典的設計與實現[碩士學位論文]. 烏魯木齊：新疆大學,2013.