#端到端语音翻译
共 7 篇相关文章
·13 分钟
POMDP重构低资源机器翻译：孟加拉语翻译Agent设计解析
探讨如何用POMDP框架重新建模低资源机器翻译问题，结合MBR解码与主动消歧机制，解决孟加拉语翻译中的歧义、语码混合与语音噪声等核心难题，提供智能体化翻译系统的完整设计思路。
阅读全文 →
·11 分钟
SpeakoFlow：开源本地语音助手，隐私优先的桌面全局语音输入工具
SpeakoFlow是一款开源本地语音助手，支持全局语音输入、屏幕内容理解和实时翻译。采用MIT协议，语音转文字完全本地运行，保护隐私数据不上传云端，支持Windows、macOS和Linux。
阅读全文 →
·14 分钟
ViiTor Translate：懂梗的跨屏实时字幕翻译工具评测
ViiTor Translate 是一款主打语境理解的实时字幕翻译工具，支持iOS、Android和Chrome三端，为追Vtuber、K-pop和动漫的用户提供悬浮字幕体验。本文深度分析其核心功能、目标人群及潜在挑战。
阅读全文 →
·9 分钟
ChatGPT全新语音模式：全双工对话+实时推理与翻译详解
OpenAI发布GPT Live One驱动的ChatGPT语音模式，实现全双工对话、实时联网推理与无缝翻译三大突破。本文深度解析其核心能力与应用场景，带你了解AI语音交互的范式转变。
阅读全文 →
·9 分钟
GPT Live实时翻译实测：同声传译职业面临哪些冲击？
OpenAI GPT Live语音模型实现真正全双工实时翻译，中文未说完英文已同步输出。本文深度分析其技术原理、与传统同声传译的差距，以及AI对语言服务行业的实际影响。
阅读全文 →
·10 分钟
Gemini 3.5实时翻译发布：支持70+语言的语音对语音翻译模型详解
Google发布Gemini 3.5 Live Translate语音对语音翻译模型，支持70+语言实时翻译。本文详解其端到端技术原理、与Grab合作落地场景，以及通过Google Translate和Live API的开放接入方式。
阅读全文 →
