【小哈划重点:Translatotron 3实现“第一个完全无监督直接语音到语音翻译的端对端模型”。】
12月2日消息,谷歌今天发布新闻稿,正式介绍推出了名为Translatotron 3的新AI模型,无需任何并行语音数据下,可以实现语音对语音的同声传译翻译。
谷歌于2019年推出了Translatotron S2ST系统,于2021年7月推出第2个版本,在2023年5月27日发布的一篇论文中,宣布正在部署新方法,训练Translatotron 3。
研究人员称,Translatotron 2已经提供了卓越的翻译质量、语音鲁棒性(Robust)和语音自然度,而Translatotron 3实现“第一个完全无监督直接语音到语音翻译的端对端模型”。
传统上的S2ST通过自动语音识别 + 机器翻译 + 文本到语音合成的级联方法来解决,但Translatotron 3依赖一种新颖的端对端架构,直接将源语言语音映射到目标语言,而不依赖中间文本表示。
Translatotron 3模型还可用于创建帮助有语言障碍的人的工具,或者开发更具吸引力和有效性的个性化语言学习工具。
(原文标题:《AI同声传译新突破,谷歌发布 Translatotron 3 模型:可绕过文本转换步骤》)