实时互动网
·
云栖发布：从级联到端到端语音翻译大模型Gummy
💡
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
通义实验室语音团队和自然语言处理团队联盟在2024年云栖大会上推出了端到端语音翻译大模型Gummy，支持多语言实时翻译，翻译延迟低于0.5秒。Gummy还具备多语言混翻、术语干预与领域提示等商业化能力，解决语言障碍和多语言交流需求。
🎯
关键要点
-
通义实验室在2024年云栖大会上推出了端到端语音翻译大模型Gummy。
-
Gummy支持多达十余种语言的实时翻译，翻译延迟低于0.5秒。
-
Gummy采用端到端模型，直接将语音翻译为目标语言，无需中间文本。
-
在多个开源测试集上，Gummy取得了SOTA结果，翻译质量显著优于传统级联系统。
-
Gummy支持多语言混翻、术语干预与领域提示等商业化能力。
-
实时语音翻译技术在教育、医疗、国际贸易等领域具有重要应用潜力。
-
Gummy部分功能已上线通义APP，用户可下载体验。
❓
延伸问答
Gummy语音翻译大模型的主要特点是什么？
Gummy支持多达十余种语言的实时翻译，翻译延迟低于0.5秒，采用端到端模型直接将语音翻译为目标语言。
Gummy与传统翻译系统相比有什么优势？
Gummy在翻译质量上显著优于传统级联系统，且无需等待识别结果，可以实现“随说随翻”。
Gummy如何处理多语言混翻的需求？
Gummy支持多语言混翻，能够在跨国会议中无需指定源语种，流畅地将各国语言翻译至目标语种。
Gummy在教育和医疗领域的应用潜力如何？
Gummy在教育、医疗、国际贸易等领域具有重要应用潜力，能够帮助用户跨越语言鸿沟，实现无缝沟通。
Gummy的翻译延迟是多长时间？
Gummy的翻译延迟低于0.5秒。
Gummy的部分功能在哪里可以体验？
Gummy的部分功能已上线通义APP，用户可以下载体验。
➡️
