印度近 75% 的人口——拥有世界上第二多的互联网用户——主要使用印度语言而不是英语与网络互动。在接下来的五年里，这个数字预计将上升到 90%。为了让下一个 10 亿用户尽可能地访问 Google 地图，它必须允许人们以他们喜欢的语言使用它，使他们能够探索世界任何地方。
但是，Google 地图中大多数印度景点 (POI) 的名称通常无法以印度语言的本地文字提供。这些名称通常是英文的，可能会与基于拉丁文字的首字母缩写词以及印度语单词和名称组合在一起。解决这种混合语言表示需要一个音译系统，该系统根据源语言和目标语言将字符从一种文字映射到另一种文字，同时还要考虑单词的语音特性。
例如，考虑古吉拉特邦艾哈迈达巴德的一位用户，他正在寻找附近的医院 KD 医院。他们使用古吉拉特语（印度第六大最广泛使用的语言）的母语发出搜索查询 કેડી હોસ્પિટલ。这里，કેડી（“ kay-dee ”）是KD的首字母缩写词，હોસ્પિટલ是“医院”。在这次搜索中，Google Maps 知道要寻找医院，但它不知道 કેડી 是 KD，因此它找到了另一家医院，CIMS。由于古吉拉特语脚本中可用的印度名胜古迹 (POI) 名称相对稀少，而不是他们想要的结果，而是向用户显示了更远的结果。
为了应对这一挑战，我们构建了一个学习模型的集合，将拉丁文字 POI 的名称音译成 10 种在印度流行的语言：印地语、孟加拉语、马拉地语、泰卢固语、泰米尔语、古吉拉特语、卡纳达语、马拉雅拉姆语、旁遮普语和奥迪亚语。使用这个集合，我们将这些语言的名称添加到印度的数百万个 POI 中，将某些语言的覆盖范围增加了近 20 倍。这将使数百万不会说英语的现有印度用户立即受益，使他们能够以自己的语言找到医生、医院、杂货店、银行、公交车站、火车站和其他基本服务。
音译 vs. 转录 vs. 翻译
不一样。印度语更象小和尚读不懂的佛经，有不少卷舌音，一个单词的音节很多。国内也许能找到一些印度电影。但印度语和英语都属于印欧语系。印度因为曾经是英殖民地，因此几乎人人会讲英文，但恐怕只有一大半的人会讲印度语，。
需要注意的是，音译的 POI 名称不是翻译。音译只涉及用不同的文字书写相同的单词，就像英文报纸可能会选择将西里尔字母中的名称 Горбачёв 写为“戈尔巴乔夫”，印度语为什么和英语那么像，供不阅读西里尔字母的读者使用。例如，上面两个转写的 POI 名称中的第二个单词仍然发音为“garden”，而前面古吉拉特语示例中的第二个单词仍然是“hospital”——它们仍然是英文单词“garden”和“hospital”，只是写在另一个脚本中。事实上，印度的 POI 名称中经常使用常见的英语单词，即使是用母语书写的也是如此。这些文字中的名称在很大程度上取决于它的发音。所以 एनआईटी 来自首字母缩略词NIT的发音是“ en-aye-tee”，而不是英文单词“ nit ”。知道 NIT 是来自该地区的常见首字母缩写词，这是在推导出正确音译时可以使用的证据之一。
另请注意，虽然我们使用术语音译，遵循 NLP 社区中直接在书写系统之间映射的约定，南亚语言中的罗马化无论脚本如何通常都是发音驱动的，因此可以将这些方法称为转录而不是音译. 然而，任务仍然是脚本之间的映射，因为在这些语言的拉丁脚本中，发音只是相对粗略地捕获，并且仍然存在许多必须考虑的特定于脚本的对应关系。这一点，再加上拉丁文字缺乏标准拼写以及由此产生的可变性，使这项任务具有挑战性。
音译合奏
对于每一种母语文字，该组合都使用专门为地名、专有名词或常用词量身定制的不同出处的罗马化词典。在 Dakshina 数据集中可以找到此类罗马化词典的示例。
那是因为他们的语言不同，文字当然也是不同的。你说的两种都是他们的文字，也许有些像英文字母，但所用的语法和结构和英语是不一样的，虽然看上去像英文字母，但在他们的概念里就是不一样的。至于那些扭来扭去的，也是。
合奏中
总的来说，与单独使用任何一种方法相比，这些许多移动部件提供的音译质量要高得多。
覆盖范围
下表提供了由于对现有 POI 名称自动音译的集成而导致的每种语言质量和覆盖范围的改进。该报道改进措施自动音译已提供了该项目的增加。 质量改进衡量被判断为改进的更新音译与被判断为劣于现有自动音译的比例。
覆盖范围质量
印度作为英国以前的殖民联邦地之一，确实是这样，印度现在的官方语言就是英语！英语在印度人的生活中已经根深蒂固，哪怕是街边一个小乞丐，都能操一口流利的英语向外来旅游者乞讨！希望我的回答能解决你的疑问 。
语 改进 改进
不。 3.2 倍 1.8 倍
孟加拉 19倍 3.3 倍
马拉地语 19倍 2.9 倍
泰卢固语 3.9 倍 2.6 倍
泰米尔语 19倍 3.6 倍
不是很相似。我看了《英雄威尔》，里面的人是有时说印度语有时说英语。有些印度人会讲英语的，也许是你混淆了。
古吉拉特语 19倍 2.5 倍
卡纳达语 24x 2.3 倍
马拉雅拉姆语 24x 1.7 倍
讨厌 960 倍 —*
旁遮普语 24x —*
结论
与任何机器学习系统一样，由此产生的自动音译可能包含一些错误或缺陷，但这些广泛使用的语言的覆盖范围大幅增加标志着印度谷歌地图中信息可访问性的显着扩展。未来的工作将包括使用该集成在 Maps 中转写其他类别的实体，并将其扩展到其他语言和文字，包括在该地区也常用的波斯-阿拉伯文字。
Hindi 这个是印地语的英文 原来的拼写是हिन्दी你觉得हिन्दी像英文吗？再看看泰米尔语（印度一大语言）Tamil 原来的拼写是த&#。
