7月24日消息，今日，字節跳動宣布正式發布端到端同聲傳譯模型Seed LiveInterpret 2.0。

據介紹，這是首個延遲&準確率接近人類水平的產品級中英語音同傳系統，在中英同傳翻譯質量達到業界SOTA的同時，實現了極低語音延遲水平。

字節跳動表示，該模型基于全雙工端到端語音生成理解框架，支持中英互譯。

可實時處理多人語音輸入，像人類同傳譯員一樣以極低的延遲“邊聽邊說”，一邊接收源語言語音輸入，一邊直接輸出目標語言的翻譯語音。

同時，Seed LiveInterpret 2.0還支持0樣本聲音復刻，溝通更流暢自然。

不過，目前模型主要支持中英互譯。

相比傳統機器同傳系統，Seed LiveInterpret 2.0具有以下四大優勢：

接近真人同傳的翻譯準確率

在多人會議等復雜場景中英雙向翻譯準確率超70%，單人演講翻譯準確率超80%，接近真人專業同傳水平。

極低延遲的“邊聽邊說”能力

翻譯延遲可低至2-3秒，較傳統機器同傳系統降低超60%。

零樣本聲音復刻

只需采樣實時語音信號，便能提取聲音特征，用說話人的音色特質實時“說出”外語。

智能平衡翻譯質量、延遲和語音輸出節奏

根據語音清晰度、流暢度、復雜程度，調整輸出節奏，并適配不同語言特性。

模型測評結果顯示，在語音到文本同傳任務中，Seed LiveInterpret 2.0中英互譯平均翻譯質量的人類評分達到74.8（評估譯文準確率，滿分100），較排名第二的基準系統（47.3分）超出58%。

在語音到語音任務中，業界僅3個翻譯系統支持該能力，其中Seed LiveInterpret 2.0中英互譯平均翻譯質量達到66.3分（除評估譯文準確率，還評估語音輸出時延、語速、發音、流暢性等指標，滿分100），遠超其他基準系統，達到接近專業真人同傳的水平。

同時，大部分基準系統也不支持聲音復刻功能。

在延遲表現上，Seed LiveInterpret 2.0在語音到文本場景中，輸出首字平均延遲僅2.21秒，在語音到語音場景中，輸出延時僅2.53秒，做到了對翻譯質量以及時延的均衡。