语音识别技术可以将语音信号转化为文本，并且可以应用已经训练好的语言模型来提高准确性。这一步骤可以采用基于规则的方法或者使用自然语言处理技术，例如文本纠错模型，来进行文本矫正。SMT使用一组预先定义的翻译规则和统计模型来进行翻译；而NMT则使用神经网络模型来进行翻译，具有更好的性能表现。
处理纯语音信息的汉语翻译思路可以分为以下几个步骤：
1. 语音识别：将输入的汉语语音信息转换为文本形式。这可以通过使用语音识别技术，例如深度学习模型如卷积神经网络 (CNN) 或循环神经网络 (RNN) 来实现。语音识别技术可以将语音信号转化为文本，并且可以应用已经训练好的语言模型来提高准确性。
2. 文本清洗：针对语音识别步骤生成的文本，进行一些文本清理的操作，例如去除标点符号、修正错别字等。这一步骤可以采用基于规则的方法或者使用自然语言处理技术，例如文本纠错模型，来进行文本矫正。
3. 文本翻译：使用机器翻译技术将清洗后的文本转化为目标语言（例如英文）的文本。机器翻译可以采用统计机器翻译 (SMT) 或神经机器翻译 (NMT) 等方法。SMT使用一组预先定义的翻译规则和统计模型来进行翻译；而NMT则使用神经网络模型来进行翻译，具有更好的性能表现。
4. 文本合成：将翻译得到的目标语言文本转换为语音信号。这可以通过使用文本到语音 (TTS) 技术，例如基于深度学习的模型来实现。TTS技术可以将文本转化为自然流畅的语音输出。
总体来说，处理纯语音信息的汉语翻译思路是通过先将语音转换为文本，对文本进行清洗和矫正，再将清洗后的文本进行翻译，最后将翻译结果转换为语音输出。这些步骤都可以利用现有的语音识别、自然语言处理和机器翻译技术来实现。