★ 4
Gemini 3.5实时语音翻译
Gemini 3.5 Live Translate提供近乎实时的自然语音翻译，已集成至Google AI Studio、Google Translate和Google Meet。该功能有望打破语言障碍，促进跨语言交流。
Google DeepMind145 天前
#语音翻译
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
DIAL-S2ST：同传语音翻译推理时延迟控制新方法
论文提出 DIAL-S2ST，一种针对同声传译语音到语音翻译模型的训练后方法，通过前瞻预测自蒸馏学习推理时延迟控制，无需配对目标数据或奖励计算。研究在 Hibiki 的法英翻译任务上仅用 10 小时源语音即完成适配，实现质量与延迟的良好权衡。
arXiv NLP7 天前
★ 2
X-Dubbing 提出受时间与视觉约束的语音到语音翻译配音方案
论文提出 X-Dubbing，将跨语言配音拆解为时间感知的语音转文本翻译与视频感知的文本转语音两个联合问题，由配音翻译器生成时间结构化脚本、配音演员模型同步渲染。方法无需成对配音数据，在等时性与音画一致性等指标上优于近期基线。
arXiv NLP7 天前
★ 2
LPR：语音到LLM桥接预训练新方法
论文提出 Local Prototype Reconstruction（LPR），一种仅训练时使用的轻量正则化方法，用于语音编码器与冻结 LLM 之间的桥接预训练。该方法要求对齐后的桥接 token 能从冻结 LLM 词嵌入的小邻域中重建，从而提升词法流形兼容性。在多语言 ASR 与语音翻译任务上…
arXiv NLP24 天前
★ 2
合成伪方言增强提升语音语言模型方言鲁棒性
研究者提出通过标准语言 TTS 模型转换 LLM 生成的方言文本，合成伪方言语音，无需真实方言语音数据。同时引入中间标准文本预测作为语义归一化。在日语、德语和中文方言的方言到英语语音翻译评估中，该方法显著提升性能。
arXiv NLP25 天前