一、语言翻译机有哪些,哪个更好
对于涉外生意的老板，随身带个翻译机，沟通交流很方便。多国语言两两互译，直接可以语音输入，母语交流、接待外宾、发英文邮件、聊微信，聊qq，洽谈业务、签订合同，操作简单，轻松搞定。翻译机支持语音、键盘、手写输入，其中汉语输入分为大陆、粤语、台湾语三种，可满足不同客户需求。翻译机内置学习资料，随身携带，想什么时候学外语就什么时候学，它就是贴身的口语老师。此外强大的内置词库支持多国语言互译，所以出国留学即使去不讲英文的国家也非常方便。翻译机的双语导游功能，可以在出国旅游时，行动自如，问路、购物、住宿、就餐、求医等全都轻松应对。翻译机还支持全球各地接打电话，出国时带一个翻译机轻松搞定翻译和手机两方面的需要。
二、万能翻译机的发明
二、6大发展时期
1.机器翻译的提出（1933-1949）
机器翻译的研究历史最早可以追溯到 20世纪30年代。1933年，法国科学家 G.B.阿尔楚尼提出了用机器来进行翻译的想法。
1946年，世界上第一台现代电子计算机 ENIAC诞生。随后不久，信息论的先驱、美国科学家 Warren Weaver于 1947年提出了利用计算机进行语言自动翻译的想法。1949年，Warren Weaver发表《翻译备忘录》[1]，正式提出机器翻译的思想。
2.开创期（1949-1964）
1954年，美国乔治敦大学在 IBM公司协同下，用 IBM-701计算机首次完成了英俄机器翻译试验。IBM 701计算机有史以来第一次自动将 60个俄语句子翻译成了英语。但是没人提到这些翻译得到的样本是经过精心挑选和测试过的，从而排除了歧义性。
这一时期，美国与苏联两个大国出于对军事的需要，投入了大量资金用于机器翻译。集中在英文与俄文的语言配对翻译，翻译的主要对象是科学和技术上的文件，如科学期刊的文章，粗糙的翻译足以了解文章的基本内容。欧洲国家由于经济需要，也给予了相当大的重视。机器翻译于这一时期出现热潮。
3.受挫期（1964-1975）
然而，正当一切有序推进之时，尚在萌芽中的“机器翻译”研究却遭受当头一棒。1964年，美国科学院成立了语言自动处理咨询委员会(Automatic Language Processing Advisory Committee)。委员会经过 2年的研究，于 1966年 11月公布了一份名为《语言与机器》（简称 ALPAC报告）的报告[2]。该报告全面否定了机器翻译的可行性，并宣称“在近期或可以预见的未来，开发出实用的机器翻译系统是没有指望的”。建议停止对机器翻译项目的资金支持。受此报告影响，各类机器翻译项目锐减，机器翻译的研究出现了空前的萧条。
4.复苏期（1975-1989）
1970中后期，随着计算机技术和语言学的发展以及社会信息服务的需求，机器翻译才开始复苏并日渐繁荣。业界研发出了多种翻译系统，例如 Weinder、URPOTRAA、TAUM-METEO等。其中于 1976年由加拿大蒙特利尔大学与加拿大联邦政府翻译局联合开发的 TAUM-METEO系统，是机器翻译发展史上的一个里程碑，标志着机器翻译由复苏走向繁荣。
5.发展期（1993-2006）
这一时期主要是统计机器翻译。
1993年 IBM的 Brown和 Della Pietra等人提出的基于词对齐的翻译模型。标志着现代统计机器翻译方法的诞生。
2003年Franz Och提出对数线性模型及其权重训练方法，这篇文章提出了基于短语的翻译模型和最小错误率训练方法。对应的两篇文章Statistical phrase-based translation[3]和Minimum error rate training in statistical machine translation。[4]标志着统计机器翻译的真正崛起。
6.繁荣期（2006-至今）
2006年，谷歌翻译作为一个免费服务正式发布，并带来了统计机器翻译研究的一大波热潮。这一研究正是Franz Och于2004年加入谷歌，领导谷歌翻译。正是因为一代代科学家们不懈的努力，才让科幻一步步照进现实。
2013 Recurrent Continuous Translation Models[5]，Nal Kalchbrenner和 Phil Blunsom提出了一种用于机器翻译的新型端到端编码器-解码器架构。该模型使用卷积神经网络（CNN）将给定的源文本编码为连续向量，然后使用循环神经网络（RNN）作为解码器将状态向量转换为目标语言。他们的研究可视为神经机器翻译（NMT）的开端，
2014 Sequence to sequence learning with neural networks[6].是由Bengio提出的，基于encoder-decoder架构，其中encoder和decoder都是RNN结构，使用的是LSTM。这个架构也上线到Google的翻译中，翻译的质量有些可以超越人类。
2015 Neural Machine Translation by Jointly Learning to Align and Translate[7].在以往的encoder-decoder框架上加入对其的attention权重。
2017 Attention Is All You Need[8].Transformer抛弃了传统的CNN和RNN，整个网络结构完全是由Attention机制组成。Transformer的主要创新点在于multi-head、self-Attenion，基于此，transformer可以并行操作，大大加快了训练过程。
2018 BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding[9].BERT本质上是在大规模的语料上，运行自监督的方法，学习到一个好的特征表示。那么下游任务，可以BERT训练的词向量，作为输入，做一些fine-tune则可完成任务。主要通过Mask Language Model(MLM)和 Next Sentence Prediction(NSP)的这两个任务训练，得到词特征表示和句特征表示。
三、参考
参考论文：
[1]
[2]Thierry Poibeau,"The 1966 ALPAC Report and Its Consequences," inMachine Translation, MITP, 2017, pp.75-89.
[1]Koehn P, Och F J, Marcu D. Statistical Phrase-Based Translation[C]// Conference of the North American Chapter of the Association for Computational Linguistics on Human Language Technology. Association for Computational Linguistics, 2003.
[4]Och, Franz Josef."Minimum Error Rate Training for Statistical Machine Translation." ACL, 2003.
[5]Kalchbrenner, N.,& Blunsom, P.(2013, October). Recurrent Continuous Translation Models. InEMNLP(Vol. 3, No. 39, p. 413).
[6]Sutskever, I., Vinyals, O.,& Le, Q. V.(2014). Sequence to sequence learning with neural networks. InAdvances in neural information processing systems(pp. 3104-3112).
[7]Bahdanau, D., Cho, K.,& Bengio, Y.(2014). Neural machine translation by jointly learning to align and translate.arXiv preprint arXiv:1409.0473.
[8]Vaswani A, Shazeer N, Parmar N, et al. Attention Is All You Need[J]. arXiv, 2017.
[9]Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding[J]. 2018.
参考回答：
干货|关于机器翻译，看这一篇就够了
讯飞开放平台：机器翻译三大核心技术原理| AI知识科普
神经机器翻译：历史与展望
人工智能机器翻译的发展经历了哪几个重要阶段？
三、英语翻译机哪种好
，经常会看到有人这么说：既然APP能实现的翻译功能，为什么还要用机器呢？机器存在必然有它的道理，那翻译最主要的就是看它的准确率。而通常APP的翻译准确率并没有翻译机高
先来说一下APP翻译的优缺点，优点当然是免费了，但缺点也不少，手机翻译APP跟人对话，特别麻烦，而且还经常容易翻不准。比如你想跟人介绍个东西，你要先打开手机软件的语音翻译功能，然后把手机靠在嘴边说话，等翻译完再拿给对方听，对方听完再拿起手机说话，再等翻译完中文听，而且如果周边环境很吵的话，对方能不能听懂你说的话，就更难保证。还有用APP费手机电量不说，很关键一点很容易泄露隐私，那真是超尴尬。
第二点，就是拾音情况，刚才也说了关于环境的问题，通常出国需要使用翻译的场景一般都是比较嘈杂的环境中，APP是基于手机的拾音，那手机的拾音设定和翻译机相反，是抑制远场，放大进场，而有些翻译机采用降噪双硅麦和高保真扬声器，在嘈杂环境也能很好的保证精确拾音和播放。
我最近在张大妈看到了一款——逸豆智能翻译官就是这样的，也参加了众测。它能翻译10国外语，这个算比较强大了，他们这个机器都是经过当地导游测试过才上线的，所以准确率以及实用性还是很有保障的，听说还是科大讯飞投资的，那翻译这块其实还是有保障的。
然后最最主要的一点就是这个逸豆翻译机是带屏幕的，其实这点很好，因为这样是有一个交互的过程，如果没有屏幕，你听到了翻译之后的外语，你并不知道机器对你所说的中文是够识别正确，同样也就不知道翻译结果的正确性了。机器正面只有两个按钮，上面负责英文，下面负责中文，简单直观，真实的按钮反馈，对于不是很熟悉电子产品的长辈也是很照顾。
逸豆智能翻译官可以翻译成10国外语，是实时的，基本你说完中文就能出外语结果，然后还可以同时将外语翻译成中文，还可以重复多次的播放结果，不怕一遍听不懂。
再来说一个翻译APP所不具备的功能，就是景点语音导览。你说你去一个景点总不能都是拍照拍照拍照吧（拍照也行，别比剪刀手），总要了解一下景点背后的故事啊，这样以后也是吹嘘的基本，免得朋友问你哪里旅游了，你只能回答一个地方，然后就答不上来了。而这个逸豆翻译官（这个名字总是想起来杨幂），据说内置了全球基于GPS定位的10W+旅行景点导览，如果真的这么神奇的话，那以后完全可以不用导游了，毕竟导游也是大致讲讲这些，用机器还可以重复收听，简单方便。
最让我给跪了的是，这个机器还TM支持方言，方言你懂么？可不是每个人都会说普通话说，还不行谁都带点方言啊。而逸豆可以识别方言，简直就是普通话不标准人的福音，尤其是NL、FH不分的。
不过APP和翻译机也不是不能共存，每个人都有自己的选择，就像跑步有记步APP，还有手环呢，apple watch呢。见仁见智了。