卡内基梅隆大学的IWSLT 2024同步语音翻译系统
原文中文，约2000字，阅读约需5分钟。
📝
内容提要
本文讨论了多个团队在IWSLT评估中提交的语音翻译系统，包括USTC-NEL、ON-TRAC、UPC等。这些系统采用了HMM、Transformer和注意力机制等不同模型和技术，显著提升了BLEU分数，展示了语音翻译领域的进展与潜力。
❓
Q&A
IWSLT 2024中有哪些团队提交了语音翻译系统？
在IWSLT 2024中，NAIST团队提交了多语言端到端语音文本翻译模型。
USTC-NEL系统在IWSLT 2018的表现如何？
USTC-NEL系统在IWSLT 2018中实现了14.9的BLEU分数提升。
ON-TRAC Consortium在IWSLT 2020中使用了什么技术？
ON-TRAC Consortium在IWSLT 2020中使用了基于注意力机制的模型，并探讨了延迟-质量折衷的算法。
NiuTrans系统在IWSLT 2021中取得了什么成绩？
NiuTrans系统在IWSLT 2021中采用Transformer模型，最终达到33.84 BLEU点。
悉尼大学和JD在低资源语音翻译任务中取得了什么成就？
悉尼大学和JD在低资源语音翻译任务中获得最佳分数，采用了多种技术方法和新颖的预训练方法。
YiTrans系统在IWSLT 2022中的表现如何？
YiTrans系统在IWSLT 2022中通过多阶段预训练和数据增强等方法，性能优于去年的最优系统。
🏷️
