今天，字节跳动Seed团队正式发布端到端同声传译模型Seed LiveInterpret 2.0，是首个延迟&准确率接近人类水平的产品级中英语音同传系统。
据官方介绍，它基于全双工端到端语音生成理解框架，支持中英互译，可实时处理多人语音输入，像人类同传译员一样以极低的延迟“边听边说”，一边接收源语言语音输入，一边直接输出目标语言的翻译语音。同时，Seed LiveInterpret 2.0还支持0样本声音复刻，让沟通更加流畅自然。
在测试中，可以观察到，Seed LiveInterpret 2.0面对40秒的大段中文表达，能够低延迟地丝滑输出同款音色的英语翻译。此外，Seed LiveInterpret 2.0还能快速学习音色。
相比传统机器同传系统，Seed LiveInterpret 2.0模型具备以下优势：
接近真人同传的翻译准确率。精准的语音理解能力保障了翻译准确度，在多人会议等复杂场景中英双向翻译准确率超70%，单人演讲翻译准确率超80%，接近真人专业同传水平。
极低延迟的“边听边说”能力。采用全双工语音理解生成框架，翻译延迟可低至2-3秒，较传统机器同传系统降低超60%，实现了真正的“边听边说”翻译。
零样本声音复刻，音色真实自然。只需采样实时语音信号，便能提取声音特征，用说话人的音色特质实时“说出”外语，提升交流的沉浸感和亲和力。
智能平衡翻译质量、延迟和语音输出节奏。可根据语音清晰度、流畅度、复杂程度，调整输出节奏，并适配不同语言特性。面对超长信息，依然能保证传译语音节奏的自然流畅。
目前Seed LiveInterpret 2.0技术报告已公布，模型基于火山引擎对外开放。此外，Ola Friend耳机也将在8月底接入Seed LiveInterpret 2.0，成为首个支持该模型的智能硬件设备。
来源: IT之家
版权及免责声明：本文内容由入驻卓商务会员投稿发布或转载，该文观点仅代表作者本人，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决策投资行为并承担全部风险。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至zhuoshangwu888@126.com 举报，一经查实，本站将立刻删除。
