Lingvanex — программная платформа для машинного перевода, распознавания речи и обработки естественного языка, разрабатываемая компанией Nordicwise Limited. Платформа включает облачные и локальные решения для автоматического перевода текста и речи, в том числе системы автономного перевода и корпоративные продукты для локального развёртывания.
История Lingvanex был запущен в 2017 году разработчиком Алексеем Рудаком. Для разработки продукта была сформирована команда из семи человек.
Первоначально проект представлял собой сервис машинного перевода для мобильных устройств и веб-приложений.
При создании собственной системы машинного перевода Lingvanex сотрудничал с исследователям из Политехнического университета в Валенсии, которые принимали участие в разработке компактных нейронных языковой моделей для мобильных устройств.
В 2018 году разработчики Lingvanex совместно с исследователями Политехничего университета Валенсии представили работу по нейронному машинному переводу для мобильных устройств на конференции European Association for Machine Translation (EAMT).
В начале 2020-х годов компания сосредоточилась на разработке корпоративных решений для машинного перевода, включая локальное развёртывание и интеграцию через API.
В 2021 году браузер Vivaldi представил сервис Vivaldi Translate, основанный на технологиях машинного перевода Lingvanex. По данным TechCrunch, сервис работает на серверах Vivaldi и позиционируется как ориентированная на конфиденциальность альтернатива сторонним сервиса перевода.
В 2023 году браузер Opera для Android интегрировал технологии машинного перевода Lingvanex для перевода веб-страниц внутри браузера.
По данным Forbes, к концу 2024 года клиентская база Lingvanex включала около 80 корпоративных клиентов и более 7000 частных пользователей.
Технологии Lingvanex использует технологии нейронного машинного перевода. В ранних версиях мобильного переводчика применялись рекурретные нейронные сети с архитектурой долгой краткосрочной памяти (LSTM) и механизмом внимания (attention mechanism).
Для обучения моделей использовался фреймворк OpenNMT и алгоритм Byte Pair Encoding (BPE) для обработки словарей и редких слов.
При разработке мобильных версий особое внимание уделялось уменьшению размера языковых моделей и обеспечению возможностей автономного перевода без подключения к интернету.
Для отбора обучающих данных использовалась технология Infrequent n-gram Recovery, позволяющая формировать специализированные корпуса текстов для машинного перевода.
Примечания