语音到语音同传的难点不在翻译本身,而在于一句话尚未说完时就要边听、边理解、边翻译并自然说出。传统ASR、翻译、TTS三级流水线易误差传递、丢失语气。同传核心是把握开口时机,在准确、实时、自然间取舍,并保留语义、表达与说话人特征。评价需兼顾准确性、延迟、稳定性、自然度与鲁棒性。技术正从级联走向更统一模型,两条路线各有优劣,也可组合使用。
本文评测12款AI实时翻译工具,涵盖消费应用、会议插件、活动平台和开发者API。Palabra.ai、Gemini、Apple适用于对话与旅行;DeepL、Teams、JotMe、Talo适用于会议;Wordly、Interprefy、KUDO适用于大型活动;Boostlingo适用于医疗、法律等高风险场景。选择时需考虑延迟、语言数量、平台和价格。
本期介绍10个GitHub项目:DiPlay让比亚迪车机支持CarPlay;Gufo为AMD Strix Halo提供本地AI引擎;ArtCraft系列是AI开发的开源Adobe替代品;SimRun将iOS模拟器App放入Mac窗口;OpenList-Worker可在Cloudflare部署OpenList;reinstall无需面板重装VPS系统;RetainPDF翻译PDF并保留排版公式;Mocreak下载安装Windows和Office;Hister全文搜索浏览过的网页;HowToLiveBetter是标注成本与出处的中文生活指南。
作者测试了B站Index翻译模型(2B/9B量化版及官方35B-A3B API),发现模型对提示词高度敏感,中文及Hy风格提示词得分更高,9B效果有时反低于2B。vLLM部署需设temperature=0并加frequency_penalty以防重复死循环,输出超1k易丢失换行。官方API速度快,但日文小说翻译仍不及Hy-MT2-30B-A3B。作者据此选择:沉浸式翻译用Index官方API,小说翻译继续用Hy-MT2。
谷歌翻译团队结合Gemini模型与语言学专家,将字面翻译转为自然对话。三位成员分工协作:Janneke研究语言与身份,确保译文贴近真实交流;Isaac为数据稀缺语言新增146种语言支持;Harsh专注语境理解,提升翻译准确性。
文章主张大语言模型术语 token 的最佳中文译名是「模型字」,简称「字」。作者认为「词元」的「词」有误导性、「元」抽象、读音平且无法简称;「模元」虽去掉「词」,仍受限于「元」,难以构词。而「字」已有「机器字」「字长」等先例,指可识别、计数、处理的最小单位,可构成字窗口、字嵌入、下一字预测等术语,结构自然、能产性强。
Zendesk推出实时语音翻译功能,可在呼入和呼出电话中双向翻译,客户与客服各用母语对话,无需人工翻译或独立应用。该功能原生集成于联络中心,支持自动识别语言、按队列启用及录音选择。10月启动封闭早期体验,2027年一季度全面推出,支持13种语言,正式版按使用量定价。此前Krisp、Sanas等需独立应用或定制集成,Zendesk为首家原生集成的主流CCaaS提供商。
Cohere发布开源权重翻译模型North Small Translate 1.0,支持50多种语言,总参数2180亿。非商业用户可在Hugging Face免费获取权重,企业商用则须购买许可证并通过Model Vault部署。此举与Cohere主打主权AI的定位相矛盾,其此前North Mini Code采用Apache 2.0许可。Z.ai的GLM-5.3也收紧了商用条款,反映AI公司对开源模型附加更多限制的趋势。
DiscoSign提出话语感知的文本到手语注解翻译框架,基于大语言模型处理空间指代、问答从句和概念注解一致性,并引入新评估指标。实验表明,该方法提升空间一致性与实体追踪,同时保持单句翻译质量,首次建立话语级手语翻译与评估体系。
本文介绍Phorge现代化改造中简体中文翻译的迁移与维护。项目新增zh_CN语言定义及约2.7万行翻译表,用户可在设置中选择中文,默认仍为英文。为应对后续更新,迁入scripts/i18n/维护工具,用于扫描缺失字符串、补键、调用在线模型翻译,并保护格式占位符。流程包括检查、补键、批量翻译和校验,确保译文质量与格式安全。
Token在中文翻译中常被误译为“词元”,但其含义因领域而异:桌游中指指示物,密码学中指令牌,编译器中指词法记号,NLP中可指字符、词语或句子,LLM中则指字节对编码。作者认为“词元”仅适用于词法分析,建议统一译为“符”,因其本义为“指示另一实体的符号”,更贴合各领域用法。
RAG系统效果取决于嵌入模型质量,而非仅靠语言模型。嵌入模型负责检索相关文档,但语义相似不等于答案正确,可能因数字、否定或版本差异出错。更换嵌入模型需重新嵌入全部文档,成本高。Matryoshka嵌入可灵活控制向量维度,但跨模型不兼容。选择嵌入模型需测试领域适配性,并考虑存储、速度与迁移成本。
Python官方文档现已推出俄语版本,感谢社区贡献者的翻译工作,使Python更易被全球用户使用。文档还提供多种语言翻译,并依赖志愿者维护更新。如需参与翻译或维护,可参考开发者指南和翻译仪表板。
Pixel 11系列推出全新手语转文字功能,与美国手语社区合作开发,利用多语言模型分析手势、表情和身体动作,实时将ASL翻译成英文。支持单手或双手,可在Live Transcribe或Gboard使用,翻译显示于外屏。该系列现已上市。
Envoy Gateway v1.9.0中Kubernetes provider的资源收集与状态写回机制:一次Reconcile收集整个GatewayClass的输入集,而非单个Route;缺失CRD时跳过watch,跨命名空间引用需ReferenceGrant;Status Manager通过UpdateHandler写回,但cache滞后可能导致状态丢失;静态EnvoyGateway配置仅定义watch范围,不替代动态对象。排障时需检查informer、namespace和CRD是否存在。
作者分享其浏览器翻译插件上架Edge商店的经历。因追求简洁,他申请硅基流动生态合作,获得API支持并优化插件UI、分段翻译和自托管中继。提交上架后两小时即获审核通过,感谢硅基流动无偿提供Token,视其为对开发者的帮扶。
作者在寻找定义自己文字记录的方式时,受单伟建和霍华德·马克斯影响,最终在《投资最重要的事》中找到“备忘录”一词。他认为备忘录能防止遗忘并积累细节,已用一年时间在Obsidian中记录投资备忘并同步至GitHub。他相信AI时代翻译普及,中文内容将获全球读者,未来将把所有内容改造为备忘录形式。
本文是“Istio/网格控制面内核”系列首篇,旨在填补Envoy消费侧与Mesh选型之间的缺口,聚焦istiod如何将CRD或Gateway API资源编译为xDS资源图并推送。文章梳理了xDS从协议到控制面产品的三次分叉,提出五条坐标系(资源来源、订阅身份、推送图、一致性、作用域),并明确系列16篇的边界与不涉及内容。
该文章讨论开源Chrome扩展“划词AI助手”的价值与风险。它通过浮窗提供AI问答和翻译,减少阅读中断,适合读技术文档和排障。但需注意隐私,避免敏感数据外泄。建议限制使用范围,检查权限和配置,工具虽方便,但边界需明确。
2026年国际数学家大会授予邓煜和王虹菲尔兹奖。邓煜因在偏微分方程领域的工作获奖,包括从硬球动力学推导玻尔兹曼方程等。王虹因在调和分析和几何测度论的工作获奖,包括证明三维挂谷猜想。两人分享了研究经历、对数学的热爱,并讨论了AI对数学研究的影响及中国数学的发展。
完成下面两步后,将自动完成登录并继续当前操作。