편집

다음을 통해 공유


Microsoft 번역기 Pro에 대한 질문과 대답

Microsoft 번역기 Pro는 엔터프라이즈 에코시스템 내에서 원활하고 실시간 음성 변환을 가능하게 하는 고급 모바일 애플리케이션입니다.

일반

Microsoft 번역기 Pro란?

Microsoft 번역기 Pro는 엔터프라이즈 에코시스템 내에서 원활하고 실시간 음성 변환을 가능하게 하는 고급 모바일 애플리케이션입니다. 이 앱은 조직이 언어 및 문화 전반에 걸쳐 효과적으로 의사 소통할 수 있도록 설계되어 직원들이 선호하는 언어로 고객과 파트너와 공동 작업하고, 아이디어를 공유하고, 참여할 수 있도록 합니다.

앱을 다운로드할 어떻게 할까요? 있나요?

Microsoft 번역기 Pro를 사용하려면 승인을 위해 Microsoft 번역기 Pro 제한 액세스 온라인 요청 양식을 작성하고 제출해야 합니다. 승인되면 앱을 다운로드할 수 있는 링크와 온보딩 지침이 포함된 이메일을 받게 됩니다.

Microsoft 번역기 Pro를 지원하는 플랫폼은 무엇인가요?

Microsoft 번역기 Pro는 iOS 플랫폼에서 사용할 수 있으며 iOS 15 이상 버전이 필요합니다.

데이터 관리, 개인 정보 및 보존

Microsoft 번역기 Pro를 사용할 때 개인 데이터의 보안, 기밀성 및 보호를 보장하기 위한 표준 규정 준수 프레임워크 및 업계 모범 사례 조치는 무엇인가요?

Microsoft 번역기 Pro로 번역하기 위해 제출된 고객 데이터는 영구적으로 저장되지 않습니다. Microsoft 데이터 센터에는 제출된 텍스트, 음성 또는 음성에 대한 레코드가 없습니다. 모든 조직 데이터는 조직의 Azure 구독 내에 유지되므로 Microsoft와 데이터가 공유되지 않습니다. 데이터에 대한 모든 권한을 유지 관리하며, 이는 단독 비즈니스로 유지됩니다. 이 제어는 MICROSOFT가 GDPR과 같은 광범위한 개인 정보 보호법을 준수하고, 세계 최초의 클라우드 개인 정보 보호에 대한 국제 규정인 ISO/IEC 27018을 포함한 개인 정보 보호 표준을 준수함으로써 더욱 강화됩니다. 자세한 내용은 Microsoft 번역기 기밀성을 참조하세요.

Microsoft 번역기 Pro는 모델 개선을 위해 사용자 데이터를 보존하거나 추가 교육을 위해 해당 데이터를 개발자와 공유하나요?

아니요. 실시간 음성 변환의 경우 미사용 데이터가 저장되지 않습니다. Microsoft는 모델 개선을 위해 데이터를 유지하지 않습니다.

조직에서 추가 분석 또는 감사 목적으로 앱에서 생성된 데이터에 액세스할 수 있나요?

예. 생성된 데이터를 사용자 고유의 분석에 사용할 수 있습니다. 데이터는 조직의 구독에 상주합니다. 자세한 내용은 Microsoft 번역기 기밀성을 참조하세요.

Microsoft 번역기 Pro는 어떤 개인 정보 준수 프레임워크를 따르나요?

Microsoft 번역기 Pro 앱은 Microsoft 개인정보처리방침에 명시된 개인 정보 취급 방침 및 프레임워크를 준수합니다.

편견 완화 및 형평성 및 공정성에 미치는 영향

Microsoft는 특히 소수 언어, 방언 또는 문화적 특정 용어와 관련하여 번역 출력의 잠재적 편견을 식별하고 완화하기 위한 조치를 구현하나요?

예. Microsoft는 편견 관련 문제를 적극적으로 연구하고 해결합니다. 자세한 내용은 Azure AI Translator Transparency Note를 참조하세요.

Microsoft 번역기 Pro 앱이 형평성과 공정성에 미치는 영향에 대해 평가되었습니까?

예. Microsoft는 공정하고 포괄적인 기술 및 제품을 만드는 데 우선순위를 두고 있습니다. 자세한 내용은 Azure AI Speech Transparency Note를 참조하세요.

번역의 정확성이나 품질에 영향을 미치는 인구 통계학적 또는 문화적 요인은 무엇입니까?

Microsoft 번역기 Pro는 편견을 최소화하기 위해 신중하게 학습되고 여러 언어와 악센트를 지원합니다. 그러나 다양한 언어에서 음성의 품질과 가용성에 차이가 있을 수 있습니다. 자세한 내용은 전사 및 번역 정확도를 참조하세요.

학습 데이터 및 모델 매개 변수

모델을 학습시키고 다양한 언어 및 문화 컨텍스트에서 포용적 표현을 보장하는 데 사용되는 데이터 원본, 메트릭 및 측정값은 무엇인가요?

Microsoft에서는 번역 품질을 관리하는 접근 방식이 구조화되고 진행 중입니다. 정기적인 기술 업데이트 및 격주 릴리스 주기를 구현하여 지속적인 개선을 보장합니다. 모델 미세 조정 중에 BLEU(Bilingual Evaluation Understudy) 및 ChrF 점수를 사용하여 잠재적인 릴리스 후보를 식별합니다. 최종 릴리스 전에는 사람의 평가를 밀접하게 반영하는 COMET 점수도 활용합니다.

최고 품질을 보장하려면 릴리스 후보가 현재 프로덕션 모델을 통계적으로 능가해야 합니다. 또한 인간 심사위원은 참조 번역에 대해 새로운 언어 모델을 평가합니다. 이 프로세스를 통해 고객은 코드를 변경하지 않고도 최신 모델을 즐길 수 있습니다. 보고된 품질 문제의 경우 핫픽스 프로세스를 통해 중요한 문제에 대한 빠른 해결을 제공하고 모델 업데이트를 통해 패턴 기반 문제를 해결합니다.

모델은 성별, 성별, 연령 및 기타 인구 통계 특성과 같은 민감한 요인과 관련된 정보를 처리하여 번역 품질에서 차별적 출력 또는 편견을 방지하도록 학습됩니까?

예, 공정성은 제품 개발의 측면에 영향을 미치는 복잡한 사회적 기술적 요소입니다. 우리가 고려하는 한 가지 차원은 인종, 민족, 지역, 성별 및 연령과 같은 요인에 따라 시스템이 그룹 간에 얼마나 잘 수행되는지입니다. 자세한 내용은 Azure AI Translator 투명도 참고를 참조하세요.

표준, 평가 및 메트릭 테스트

특히 법률 문서 또는 긴급 통신과 같은 중요한 영역에서 번역의 정확성과 문화적 민감도를 보장하기 위해 평가 메트릭 및 테스트 프로토콜이 구현되었습니까?

번역 품질은 항상 테스트 집합에 상대적입니다. 지정된 시나리오에 대한 대표 테스트 집합의 품질을 측정하는 것이 좋습니다. 자세한 내용은 Azure AI Translator 평가 방법을 참조하세요.

Microsoft 번역기 Pro는 실제, 높은 지분 환경에서 번역의 품질과 정확성을 어떻게 보장합니까?

벤치마킹을 위해 보편적으로 인식되는 표준 번역 테스트 세트는 없으며 기계 번역 시스템 평가에서 절대 점수를 게시하지 않습니다. 그럼에도 불구하고, 우리는 지속적으로 품질을 모니터링하고 인간의 평가가 가장 중요하고 신뢰할 수있는 결과를 산출 찾을 수 있습니다.

실제 시나리오에서 번역이 정확하고 신뢰할 수 있도록 하기 위한 조치는 무엇인가요?

지속적인 테스트 및 평가 외에도 실용적이고 실제적인 애플리케이션에서 수년간 고객이 신뢰하는 음성 및 번역 서비스도 활용합니다. 자세한 내용은 고객 스토리: Azure AI Speech를 사용하여 500,000명의 언어 학습자를 지원한 Berlitz를 참조하세요.

지속적인 모니터링, 책임 및 투명성

번역 모호성 또는 잠재적 오류의 경우 사용자 검토를 위한 옵션을 제공합니까?

Microsoft 번역기 Pro는 번역을 위해 제출된 고객 데이터를 유지하지 않으며 데이터를 검토할 수 없습니다. 데이터는 구독 내에 상주합니다. 데이터에 액세스하고 해당 오디오를 사용하여 대본에 대한 사용자 검토를 수행할 수 있습니다. 자세한 내용은 Microsoft 번역기 기밀성을 참조하세요.

모델 제한, 되풀이 문제 또는 번역과 관련된 위험을 문서화하고 전달하기 위해 구현되는 투명성 측정값은 무엇인가요?

Microsoft의 투명성 노트는 시스템 성능 및 동작에 영향을 미칠 수 있는 시스템 소유자가 사용할 수 있는 선택 사항을 강조하여 AI 기술의 작동을 명확히 하는 것을 목표로 합니다. 기술, 사람 및 환경을 포괄하는 전체 시스템을 고려하는 것의 중요성을 강조합니다. 이러한 참고 사항은 고유한 시스템을 개발하거나 배포할 때 중요한 리소스가 될 수 있습니다. 자세한 내용은 Microsoft 번역기 Pro Transparency Note를 참조하세요.

앱이 온-디바이스 모델과 온라인 모델을 활용할 때 품질은 어떻게 달라지나요?

오프라인 처리를 위해 Microsoft 번역기 Pro 앱에서 사용하는 온-디바이스 모델은 클라우드 모델과 다르므로 품질이 달라집니다. 디바이스에서 구현되는 모델은 클라우드에서 사용되는 모델에 비해 더 작습니다.