IT之家 7 月 24 日消息，今天，字節跳動 Seed 團隊正式發佈端到端同聲傳譯模型 Seed LiveInterpret 2.0，是首個延遲 & 準確率接近人類水平的產品級中英語音同傳系統。
據官方介紹，它基於全雙工端到端語音生成理解框架，支持中英互譯，可實時處理多人語音輸入，像人類同傳譯員一樣以極低的延遲“邊聽邊說”，一邊接收源語言語音輸入，一邊直接輸出目標語言的翻譯語音。同時，Seed LiveInterpret 2.0 還支持 0 樣本聲音復刻，讓溝通更加流暢自然。
在測試中，可以觀察到，Seed LiveInterpret 2.0 面對 40 秒的大段中文表達，能夠低延遲地絲滑輸出同款音色的英語翻譯。此外，Seed LiveInterpret 2.0 還能快速學習音色。
相比傳統機器同傳系統，Seed LiveInterpret 2.0 模型具備以下優勢：
接近真人同傳的翻譯準確率。精準的語音理解能力保障了翻譯準確度，在多人會議等複雜場景中英雙向翻譯準確率超 70%，單人演講翻譯準確率超 80%，接近真人專業同傳水平。
極低延遲的“邊聽邊說”能力。採用全雙工語音理解生成框架，翻譯延遲可低至 2-3 秒，較傳統機器同傳系統降低超 60%，實現了真正的“邊聽邊說”翻譯。
零樣本聲音復刻，音色真實自然。只需採樣實時語音信號，便能提取聲音特徵，用說話人的音色特質實時“說出”外語，提升交流的沉浸感和親和力。
智能平衡翻譯質量、延遲和語音輸出節奏。可根據語音清晰度、流暢度、複雜程度，調整輸出節奏，並適配不同語言特性。面對超長信息，依然能保證傳譯語音節奏的自然流暢。
IT之家注意到，目前 Seed LiveInterpret 2.0 技術報告已公佈，模型基於火山引擎對外開放。此外，Ola Friend 耳機也將在 8 月底接入 Seed LiveInterpret 2.0，成為首個支持該模型的智能硬件設備。
廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。
來源：IT之家
