谷歌推出Gemini 3.5 Live Translate，支持70多种语言的实时语音翻译，自动检测语言并生成自然流畅的翻译语音，适用于会议和通话。该功能在Google Meet和Google Translate应用中逐步推出，提升翻译质量和速度，支持多语言对话，并新增“听模式”，用户可通过手机直接听到翻译内容。

谷歌推出Gemini 3.5实时翻译模型，支持70多种语言的语音实时翻译，自动检测语言并生成自然流畅的翻译语音，适用于会议和通话。用户可通过Google Meet和Google Translate应用体验这一新功能，提升多语言沟通效率。

谷歌Workspace推出新功能，包括Gmail的个性化智能回复，能够根据用户语气和上下文生成回复；Google Meet提供近实时低延迟语音翻译，支持多语言自然对话；Google Vids现已向订阅用户开放。

本研究提出了一种创新方法，利用大型语言模型提升国际口语翻译研讨会(IWSLT)中的语音翻译与指令跟随任务的性能。通过融合多个自动语音识别系统的输出，采用两步翻译和文档级精炼，显著提高了翻译质量。

本研究提出了Soundwave，一种高效的训练策略和新架构，旨在解决语音大型语言模型在语音与文本之间的表示空间差距和序列长度不一致的问题。Soundwave在语音翻译和AIR-Bench任务中表现优异，仅使用五十分之一的训练数据，仍能保持智能对话的表现。

本研究探讨了2024年12月至2025年1月的首次语音翻译指导（SpeechT），旨在填补该领域的指导空白。研究团队提出了一种系统化的方法，以提升语音翻译效果，为未来研究提供参考。

本研究探讨了传统级联语音翻译模型的局限性，并介绍了Google的Translatotron模型。该模型通过直接进行语音到语音的翻译，提高了翻译效率，减少了错误，尤其在弥合非洲语言与其他正式语言的障碍方面表现优异，具有重要的应用前景。

本研究提出了一种基于条件计算的特征融合框架，解决了自监督学习特征与传统频谱特征之间的冲突。该框架结合了门控网络和断开策略，提升了模型的鲁棒性和收敛速度。在MUSTC数据集上的语音翻译任务中，我们的方法与频谱模型表现相当。

本研究提出了一种利用多语言大型语言模型来解决零资源语音翻译和自动语音识别的挑战。通过结合预训练的语音编码器和轻量适配模块，系统在CoVoST2数据集上实现了超过23的BLEU分数和28.2%的错误率。

本文研究了在低资源环境下提高自动语音识别（ASR）和语音翻译性能的方法。通过预训练声学模型和结合文本到语音（TTS）技术，利用少量数据实现了显著的性能提升。同时，探讨了文本多样性和合成数据对ASR性能的影响，并提出了有效的模型优化策略。

本文研究了在低资源环境下提高自动语音识别（ASR）和语音翻译性能的方法。通过多语言训练和预训练声学模型，显著提升了识别精度，尤其是对低资源语言。同时探讨了知识蒸馏和自监督学习等技术，以优化模型并降低训练数据需求。

本文探讨了利用LibriSpeech构建多语言平行语料库的方法，适用于语音翻译和口语实验。同时，研究提出了基于大型语言模型的TransAgents框架，以提升文学翻译质量，并通过创新评估策略验证其有效性。

研究表明，在低资源环境下，通过字符级到单词级的转化可以显著提升语音翻译的速度和准确性。使用预训练的声学模型和数据增强技术，有效提高了自动语音翻译的质量。新提出的基于课程学习和互连机制的方法进一步优化了语音特征提取和翻译性能，实验结果显示BLEU分数显著提升。

本文介绍了一种多语言端到端语音翻译框架，展示了其在自动语音识别和机器翻译中的有效性。研究表明，预训练语言模型在翻译任务中表现优异，通过多任务学习和新颖的模型设计显著提高了翻译质量和效率，为语音翻译领域设立了新的技术标准。