本文比较了不同的无自回归（NAR）建模方法，发现NAR模型可以在序列中生成多个输出，具有在实时应用中的潜力。同时，该研究在自动语音识别领域发现了一些有趣的性能差距，并展示了结合这些技术来提高精度并应用于无自回归端到端语音翻译的能力。