基于Android平台的汉-英-泰互译有声电子词典①

刘 峰, 王嘉梅, 林 睿, 李新运, 张晨阳, 石兵坤, 杨莹玉

1(云南民族大学 云南省高校少数民族语言文字信息化处理工程研究中心,昆明 650500)2(云南民族大学 电气信息工程学院,昆明 650500)

自Google在2008年正式发布Android手机操作系统,并公开其所有原始码之后,Android便成为手机第一个完整的开放开发平台[1]. 而由于其开源的特性,Android操作系统已成为智能手机的主流. 全球众多的开发者支持Android应用开发,越来越多的软、硬件厂商,也竞相投入Android相关研发计划. 可以预见的是,未来越来越多的用户将使用Android智能手机,各种功能的Android手机应用软件将供不应求.

与此同时,自中国国家主席习近平提出“一带一路”重大倡议以来,得到国际社会高度关注. 而云南省在其中的定位是,发挥区域桥头堡的优势,打造大湄公河次区域经济合作新高地,建设成为面向南亚、东南亚的辐射中心. 云南省是中国离泰国距离最短的省份,作为中国和泰国交流的排头兵,云南通过自身与泰国的合作,不断推动着中泰经贸的发展. 近年来,中泰经贸关系持续稳定增长,中国是泰国最大贸易伙伴,泰国是中国在东盟国家中第四大贸易伙伴. 在旅游方面,中国已成为泰国第一大入境旅游客源国. 在人员交流方面,目前有2万多泰国留学生在中国学习,人数在东盟国家中是最多的,而中国则是泰国最大的留学生生源国. 未来,中泰两国还将共同推进“一带一路”建设,打造亚洲命运共同体,成为国家发展睦邻友好与互利共赢的典范.

语言作为人们沟通的工具,在中泰双边往来当中发挥着重要作用. 随着汉语与泰语翻译的需求量急剧增加,如何快速且方便地翻译两国语言,对于中泰两国人民来说十分重要. 传统的翻译方式大多是采用纸质词典,不能快速便捷地翻译,而聘请翻译官费用又十分昂贵,并且专业的中泰翻译人员有限,不能满足大众的需求. 而移动互联网的崛起和Android智能手机的普及,为电子词典的发展提供了契机,正好可以解决以上的问题. 设计一款基于Android智能手机的汉-英-泰电子词典,最大限度的满足了人们随时随地查询词典的需要,成为人们查询词典及移动学习的首选. 本设计虽然是一个个案,但对于其他语种(如彝文等)信息处理的理论指导,以及泰语机器翻译系统相关领域的研究具有广泛而深远的意义.

1 电子词典现状分析

1.1 Android平台上的电子词典

目前Android应用市场上的电子词典应用软件非常之多,常见的电子词典涉及中、英、韩、日、德、法、西等主流语言的翻译,例如金山词霸、沪江小D词典、网易有道词典、欧路词典等应用. 而像百度翻译、有道翻译官、微软必应词典等应用可选择更多语种翻译,包括爱沙尼亚语、泰语、越南语等小语种的翻译. 市场上的这些应用词典基本具有查词、生词本、语音发音、句子翻译等功能,但这些客户端通常占用空间和资源较大,并且需要联网才能翻译一些小语种语言,使用语音发音功能也需联网,使用网络流量较大,对用户的网络流量和网络传输速率要求较高.

1.2 汉-英-泰电子词典发展现状

当前存在一些涉及泰语翻译的Android词典软件,如微软必应词典、百度翻译等都可以在众多语种中选择泰语翻译,但这些应用只能汉译泰或英译泰的双向互译,并不能汉-英-泰三语同时互译,有的应用不能翻译泰语,有的可以翻译包括泰语的众多语种,但专门翻译汉-英-泰的软件少之又少. 这些涉及泰语的电子词典使用其相关功能时需要网络流量,而且几乎没有能从图片中识别泰文的应用. 而本文设计的汉-英-泰互译有声电子词典是一款专门针对汉-英-泰互译的词典APP,可实现汉-英-泰三语同时互译功能,能准确翻译泰语,具有原汁原味泰语真人发音功能,有丰富的本地词库,实现真正意义上的随时随地汉-英-泰查询互译,还具有对话翻译和拍照翻译功能,填补了泰语电子词典应用市场的空白.

2 系统相关技术介绍

2.1 Android系统简介

Android是Google于2007年11月推出的一款基于Linux平台的开源手机操作系统. 它是一种基于Linux的自由及开放源代码的操作系统,主要使用于移动设备. 如今Android已成为市场占有率最高的手机操作系统[2]. Android系统架构粗略地可分为以下5个部分：Linux内核层、系统库、Dalvik/Art、应用框架层、应用程序层[3],Android系统架构如图1所示. 在Android Studio开发环境下开发Android应用,官方推荐采用视图和逻辑分离的原则,也就是使用XML文件来控制界面布局,然后通过Java代码来控制这些布局和组件的功能[4].

2.2 Android开发环境搭建

文章设计的汉-英-泰电子词典是在Android Studio开发环境下完成实现的. 搭建Android Studio开发环境,首先要下载并配置Java JDK,在Oracle官方网站下载最新的JDK后,将其安装至电脑上,然后配置计算机的JAVA_HOME、CLASSPATH、Path三个环境变量. 其次在Android开发者官网,下载并安装Android Studio,至此,Android开发环境便搭建好了.Android Studio集成开发工具界面如图2所示.

图1 Android系统架构

图2 Android Studio集成开发工具界面

2.3 Android数据持久化技术

数据持久化技术就是将数据保存至存储设备中,保存在存储设备中的数据是处于持久状态的. Android系统内置了SQLite数据库,SQLite是一款轻量级的关系型数据库,它的运算速度非常快,占用资源很少.SQLite不仅支持标准的SQL语法,还遵循了数据库的ACID事务,文章设计的基于Android平台的汉-英-泰电子词典APP的本地词库,就是通过SQLite数据库实现的.

3 电子词典客户端研究概括

3.1 系统功能结构总体设计

本系统主要可分为五大功能模块：词典模块、单词本模块、百科模块、翻译模块和更多模块. 本系统的各功能模块的组成如图3所示.

图3 系统总体功能模块图

(1)词典模块

此模块为本系统的关键模块,主要是实现汉-英-泰互相查询的功能,用户根据实际需要,输入汉英泰任意一种语言的单词或词组,点击查询按钮后,便可查询检索出其对应的其他两种语言的释义,并且可实现对应的泰语的发音,还可将生词添加至单词本中.

(2)单词本模块

主要是方便个人学习的,在此模块可以查看生词,添加或删除生词,以达到复习生词的目的.

(3)百科模块

主要包含了一些泰国人文信息,例如泰国旅游实用口语、泰国名言警句、泰语基础知识等,都可在此模块查看.

(4)翻译模块

针对长语句翻译,在此模块可自动检测输入的语言类型,也可手动选择翻译类型,包括对话翻译和拍照翻译功能.

(5)更多模块

主要是一些其它的功能,包括作者介绍和意见反馈等.

3.2 语料库建设

本课题组在工程中心机构的支持下,结合我校东南亚语言学科的优势,发挥少数民族语言文字、自然语言处理、电子信息等文理交叉、多学科交融综合研究的特色,建立了泰语语料库. 语料库的建设是在我校国际交流学院留学生,民族文化学院研究生等协助下,通过收集高等学校泰语专业教材等方法,在对语料纠正、翻译和标注后完成的[5]. 最终的泰语语料库是以Excel表形式呈现的,语料库共包含29945条泰语词汇及其汉语和英语的释义,这将为后续泰语词汇数据库建设提供帮助. 部分泰文词汇表如图4所示.

图4 泰-汉英语料库部分展示

3.3 词汇数据库建设计

本设计的目的是在Android智能手机的环境下,实现具有汉-英-泰词汇相互查询功能的电子词典,其核心是关于汉-英-泰词汇查询检索的功能,本设计决定采用本地词库的方式实现上述功能,因此建立汉-英-泰词汇数据库是必要的. 此外,生词本的建立以及显示历史查询记录等功能,也需要将数据储存至数据库表中. 以上提到的功能,是依托建立相关的SQLite数据库来实现的.

(1)建立汉-英-泰词汇数据库

经仔细分析,对于在Android Studio开发环境下创建的项目,当项目中创建一个SQLite数据库时,SQLite数据库就是一个后缀为“.db”的文件,它是保存在data/data/包名/databases目录下的,其中包名是指当前已经创建数据库的项目的包名. 操作SQLite数据库是通过Java语句实现的,每当在数据库表中添加一个词汇就要编写一条Java语句,如果有很多词汇的话,创建数据库时就要编写大量的Java语句,这是不现实的也是十分耗费项目编译时间的. 因此需要在另一个项目中创建好所需的SQLite数据库,然后将此SQLite数据库导入所需的项目中.

由此可知,把汉-英-泰词汇数据库做成“.db”文件,再将其导入至项目的data/data/包名/databases目录下,项目就可以不用创建数据库,而直接使用SQLite数据库了,本设计就是通过在项目中导入数据库实现的.

本课题的泰语语料库是Excel表格形式的,表格中有29945条泰语词汇及其对应的英汉释义,将Excel表格转化成后缀为.db的SQLite数据库文件,通常的做法是利用可视化的SQLite操作工具(如SQLite Expert Professor、Navicat等),但在实际操作过程中,Excel转换为CSV格式后,无论是编码方式改为UTF-8还是用记事本打开文档,泰文都出现了乱码的情况,故不采用上述的方法. 我们创造性地想出了一个新的方法,此方法的流程如图5所示,其基本思路是：在Android Studio中另外建一个项目用于构建汉-英-泰词汇的SQLite数据库,首先在这个新建的项目app/libs文件夹中导入操作Excel表格的jar包; 其次,将泰语词库的Excel表格复制至项目的assets文件夹中; 再次,在项目的Java代码中编写循环语句,使得项目可读取Excel表格每一行的内容然后添加至SQLite数据库表中; 最后,在File Explorer中将创建好的SQLite数据库(“.db”文件)拷贝至电脑上. 之后便可将这个已经创建好的汉-英-泰词汇SQLite数据库,导入至所需要的项目中,就可以在项目中使用词汇数据库了.

(2)其它数据库表的建立

本设计除了需要汉-英-泰词汇SQLite数据库之外,为了实现生词本及历史查询记录的功能,还需要在S Q L i t e数据库中建立两张表. 在项目中新建MyDatabaseHelper类继承自SQLiteOpenHelper,在这个类中建立words表和history表,用于存放生词和历史查询记录的数据,它们的结构如表1和表2所示.

图5 构造词汇数据库过程示意图

表1 words表结构

表2 history表结构

3.4 语音库建设

我们利用构建好的泰语语料库,以泰语文字和标注序号作为录音的依据,采用前期工作开发的原音录音软件,在安静的实验室里完成了整个泰语录音过程.录音人员是我校汉语国际教育专业的泰国留学生,能够保证泰语录音的原汁原味. 最终我们得到了以.WAV为后缀的泰语录音文件,录音成果如图6所示.至此,课题组建立了泰语语音库,这将为后续汉-英-泰电子词典应用的泰语发音功能提供支撑.

数据库中我们只存储声音音频文件的路径,具体的声音文件则是存储于手机SD卡中,当需要播放某泰语录音文件时,只要通过数据库读取其录音文件的路径,然后通过路径将音频文件取出,然后交给媒体播放器播放,就实现了软件中朗读泰文的目的.

图6 泰语音频录制成果展示

4 电子词典客户端功能实现

4.1 项目结构

在Android Studio中创建一个名为ThaiWangDic的项目,以此项目来开发汉-英-泰电子词典,Android模式下的项目目录结构如图7所示. 其中asstes文件夹中存放的是已经创建好的汉-英-泰词汇SQLite数据库文件,当安装此应用时,程序会将此词库导入至相关目录中. 而res/layout文件夹中存放的是应用各种界面布局的XML文件[6]. Java/com.ymu.thaiwangdic中存放的则是包含各种界面逻辑功能的Java代码[7]. Android Manifest. xml文件则是整个Android项目的配置文件,Activity等组件需要在这个文件里注册,另外还有一些权限申明要在其中添加[8].

4.2 本地词库的实现

将之前创建好的汉-英-泰词汇SQLite数据库(.db文件) 导入项目中,在安装应用程序时词库会加载至对应路径上,这就实现了词库的本地化. 在安装应用时,程序会检查是否存在数据库文件的目录,若不存在则创建目录,若存在则将项目assets文件夹中的.db文件加载到该目录中.

4.3 系统主界面

系统主界面采用的是底部导航栏的形式,实现界面的切换. 底部的导航栏存放了多个选项卡,包括：词典、单词本、百科、翻译和更多五个部分,点击选项卡可切换至相关的界面. 系统主界面默认一开始是停留在词典界面的,主界面如图8所示.

图7 Android模式下的项目结构

图8 系统主界面

4.4 词典界面

词典界面主要是实现汉-英-泰相互查询的功能,这个功能也是应用软件的核心功能. 当安装应用程序时,该软件会使用openDatabase()的方法在词典界面的onCreate方法中导入汉-英-泰词汇SQLite数据库,代码如下：db=openDatabase();其中db是定义的SQLiteDatabase类型变量. 当用户点击界面上方的文本输入框,输入汉泰英任意一种语言的单词或词组,点击查询按钮后,在查询按钮的单击事件中,会调用db的query方法在数据库中查找相应的单词释义,并将查询结果显示出来. 运行界面如图9所示. 该界面的文本输入框由AutoCompleteTextView组件实现,当用户输入两个字符后,将进行模糊查询,检索到与前两个字符相同的单词,以下拉菜单的形式显示出来,实现模糊查询.其整个流程如图10所示.

图9 词典界面

图10 单词查询流程图

部分关键Java代码如下(以查询英文为例)：

基于Android平台的电子词典除实用性与便捷性之外,与传统纸质词典最大的区别在于可以实现单词语音发音. 在词典界面中,当查询结果显示出来后,界面的右上角有一个像喇叭一样的按钮,点击此按钮,将会播放此单词对应的泰语真人发音. 还有一个类似五角星的按钮,点击此按钮可将当前查询到的单词及其相关的释义保存至单词本中,以便日后查看和复习使用.

(1)泰语真人发音模块

此软件使用Android中的MediaPlayer类来实现音频的播放,将所有词汇的泰语真人发音资料保存于手机的SD卡当中,项目中首先创建一个MediaPlayer对象,当查询检索单词有结果时,调用setDataSource()方法来设置对应词的泰语音频文件的路径,再调用prepare()方法使MediaPlayer进入到准备状态,当播放按钮按下时,便会调用start()方法播放相关音频了. 最后当播放完音频后需调用reset()方法,这样下次播放才会正常. 还要注意的是,要在项目中加入访问SD卡的权限,才能成功读取SD卡中的音频文件并播放.

(2)添加生词模块

点击添加生词按钮,系统便会将查询到的单词添加至之前创建好的数据库的words表中,以便在单词本界面中查看.

4.5 单词本界面

单词本界面主要是显示用户添加的生词,方便用户浏览,点击一个生词会显示其详细的释义. 在此界面,用户可以添加或删除生词,管理生词十分方便,通过单词本界面,用户可以及时复习未掌握的生词. 在此界面,系统运用的是ListView组件显示生词的,当界面启动时,系统用cur = db2.rawQuery("SELECT * FROM words",null);语句查询数据库words表中的所有词汇数据,然后通过SimpleCursorAdapter配置器将生词显示于ListView组件中. 此界面如图11所示.

4.6 百科界面

在百科界面,介绍了一些泰国实用信息,如泰国旅游实用口语、泰国名言警句、泰语基础知识等. 界面如图12所示. 此界面运用了ScrollView组件嵌套一个TextView组件来显示泰国的实用信息,之所以实用ScrollView组件是因为它很方便,它可以允许用户通过滚动的方式查看屏幕以外的内容.

图11 单词本界面

图12 百科界面

4.7 翻译界面

翻译界面的功能和词典界面的类似,只是在此界面我们可以翻译较长的语句,界面顶部有一个下拉选项框,可以选择翻译的类型,默认是语言自动检测,即自动识别输入的语言类型,然后将其翻译出来. 右上角有对话翻译和拍照翻译按钮. 界面如图13所示.

图13 翻译界面

4.8 更多界面

更多界面是为了实现一些其它更多的功能,以更好地迎合用户的需要. 此界面包含了设置、意见反馈、检测新版本、关于等模块. 其中关于模块是对软件的作者介绍及申明版权所属的. 此界面如图14所示.

图14 更多界面

5 系统特色

5.1 特色一：调用百度语音技术实现对话翻译

对话翻译是指用户对着应用说话(中文或英文)后,应用立即翻译出对应的释义并播放相应的泰语真人发音,实现即听、即译、即说的效果. 而利用百度语音识别技术可将用户的声音转化为文字,运用百度语音识别技术,首先要在项目的AndroidManifest.xml文件中添加使用麦克风录音等权限; 其次在百度语音开放平台上注册申请API Key和Secret Key,并下载相关jar包和so库; 然后在项目的app/libs中添加jar包,在armeabi和mips中添加so库; 最后在对话翻译dialogueActivity.java的onCreate方法中设置API Key和Secret Key等相关参数,并实例化百度语音识别对话框. 在百度语音识别回调接口中重写onResults方法,使其用识别的文字查询SQLite词汇数据库,将释义显示出来并由MediaPlayer播放泰语发音,便可实现对话翻译功能. 对话翻译界面的activity_dialogue布局主要运用了强大的滚动控件RecyclerView,它定义在support库当中,在项目的build.gradle中添加相应的依赖库便可使用,添加后需点击Sync Now来进行同步.对话翻译界面如图15所示,百度语音识别对话框如图16所示.

5.2 特色二：运用Tesseract-OCR引擎实现拍照翻译

Tesseract是开源的OCR(Optical Character Recognition) 引擎,可识别多种格式的图像并将其转换成文本,目前已支持60多种语言. 本系统利用Tesseract-OCR引擎识别图片中的文字,然后翻译实现拍照翻译功能. 由于Tesseract是以C++实现的,在Android上运用需要封装Java API,而tess-two是Tesseract Tools for Android的一个Git分支,在Android项目的build.gradle中添加tess-two的依赖库便可运用Tesseract技术.

图15 对话翻译界面

图16 百度语音识别对话框

为了运用Tesseract-OCR引擎识别图片中的文字,还需将Tesseract识别文字的字库(中英泰字库)放入项目的assets/tessdata文件夹中,应用安装时会将字库复制至SD卡中,AndroidManifest.xml文件也要加入调用相机等权限. 拍照界面如图17所示,其布局activity_take_photo中添加了自定义的相机CameraPreview并在TakePhotoActivity.java的onCreate方法中实例化自定义相机、拍照按钮和顶部Spinner组件,Spinner组件用于选择文字识别类型,当用户点击拍照按钮或从相册中选择一副图后,系统会设置Visibility属性值使拍照界面消失,而将截图界面显示出来,如图18所示.在截图界面确定按钮的监听器中,新建Intent对象的startActivity方法会开启识别界面,如图19所示. 在识别界面ShowCropperedActivity.java中,为了提高识别的准确性,图片先进行灰度化处理,再由新建TessBaseAPI对象baseApi的init方法设置字库SD卡路径、语言类型等相关参数后,在子线程中执行getUTF8Text方法即可以UTF-8编码类型识别灰度化图像的文本,翻译此文本即可实现拍照翻译功能.

图17 拍照界面

图18 截图界面

图19 识别界面

6 系统测试

测试系统,可以检测其整体性能和运行效率是否符合设计需求. 软件测试需要一个运行的载体,可以是一部Android手机,也可以是Android模拟器(Android Virtual Device,AVD). 在本软件开发完成后,我们在Android Studio上创建的Android模拟器(Android 5.1,API Level为22)和一台华为KIW-TLOOH型号的Android手机(Android 5.1.1)上,分别进行了软件测试.测试结果为：软件各项性能,均达到预期效果,软件的界面和功能实现比较理想,系统运行稳定流畅,易于操作,具备一定的便利性和实用性.

7 结束语

目前,Android在移动领域已经得到广泛应用,Android手机应用软件发展迅猛,几乎各行各业的企业和公司都推出了与其服务相关的Android版移动客户端[9]. 本文利用Android Studio开发平台,使用Java语言及SQLite数据库设计并开发了在Android平台下的汉-英-泰互译有声电子词典应用软件,实现了关于汉-英-泰的单词查询、生词本录入、语音输入、泰语真人朗读、句子翻译、对话翻译、拍照翻译、百科知识等功能. 系统界面美观大方,贴近用户,运行稳定流畅,易于操作,具备一定的便利性和实用性.

在中泰两国经贸交流越发频繁的背景下,软件可提供给赴泰的游客、泰国留学生以及其他的泰文学习者使用,使用者可以随时随地学习泰语并且能及时应用泰语与他人进行交流,相信此软件将会对他们的泰语和汉语学习起到较好的促进作用.

1 郭霖. 第一行代码. 2版. 北京：人民邮电出版社,2016.

2 施威铭. Android APP开发入门. 北京：机械工业出版社,2016.

3 郭金尚. Android经典项目案例开发实战宝典. 北京：清华大学出版社,2013.

4 黄艺锋,闫巧. 基于Android平台电子词典的设计与实现.计算机应用,2011,31(S2)：228-232.

5 胡刚,王嘉梅,李炳泽,等. 汉英-泰互译有声语料的数据库研 究 . 计 算 机 系 统 应 用,2016,25(9)：223-229. [doi：10.15888/j.cnki.csa.005242]

6 李肖. 基于Android的电子词典系统设计与实现[硕士学位论文]. 长春：吉林大学,2013.

7 王佳顼. 基于Android的电子词典手机客户端的设计与实现[硕士学位论文]. 北京：北京交通大学,2012.

8 周宇,尹生强,王冬青,等. 基于Eclipse和Android系统的App开发平台搭建研究. 青岛大学学报,2016,31(3)：49-53.

9 赵志成. 基于Android平台的维汉多媒体电子词典的设计与实现[硕士学位论文]. 乌鲁木齐：新疆大学,2013.