
语音翻译是通过语音识别、机器翻译与语音合成技术实现跨语言实时转换的人工智能应用,涵盖国际会议、商务谈判、旅游服务等场景,支持全球主要语种互译 。
其核心技术模块包括基于隐马尔可夫模型与深度神经网络的语音识别、采用神经机器翻译的文本转换,以及利用统计模型与深度学习的语音合成技术 ,代表性产品如专注于Android平台的汇译达翻译软件。2026年4月,智达藏语大模型发布,集成了机器翻译、语音翻译等八大应用 。
该技术历经多阶段发展:2022年3月,某语音翻译软件因弹窗信息骚扰用户被工信部通报整改;同年10月,其4.6.0版本因信息明示不到位再次被要求整改 。研究团队在ICASSP会议期间提出基于时频感知域模型的单通道语音增强算法,并探索跨模态前缀调优技术 。Meta公司Seamless-Streaming模型将翻译延迟优化至2秒,接近真人同传水平 。
想要了解更多“语音翻译”的信息,请点击:语音翻译百科
