Google Research 发布端到端实时语音到语音翻译模型

Google Research 推出了一种创新的端到端语音到语音翻译（S2ST）模型，实现了仅2秒延迟的实时翻译，并能保留原始说话人的声音特征。该模型基于 AudioLM 框架和 SpectroStream 编解码技术，通过可扩展的时间同步数据获取管道进行训练，解决了传统级联系统延迟高、错误累积和缺乏个性化的问题。