该研究介绍了一种称为 Differentiable Average Lagging (DAL) 的潜在模型,可用于追踪同步系统的延迟。该模型可用于同时机器翻译,并在语音转录,实时流媒体和会话翻译方面具有重要应用。
May, 2019
该研究拓展了现有的同声翻译系统,提出一种基于流历史的流机器翻译方法,取得了较大的质量提升,并且表现优于现有同类最佳系统。
Mar, 2022
低延迟语音翻译的评估框架:该研究提出了第一个在真实场景下执行和评估低延迟语音翻译各个方面的框架,通过对音频分割和不同组件运行时间的评估,比较可修订输出模型和固定输出方法,对比级联和端到端系统,并自动评估翻译质量和延迟,并提供网页接口展示低延迟模型输出给用户。
Aug, 2023
SimulEval 是一个易于使用、面向同时文本和语音翻译的通用评估工具包,通过客户端执行自定义策略实现同时解码,自动执行同时解码并收集几个流行的延迟度量。
Jul, 2020
我们研究了流式机器翻译中一种相关的问题,即允许对假设进行除严格附加单词之外的修订。通过对比自定义流式方法和重翻译,我们发现重翻译在操作非常少的情况下与最先进的流式系统一样好甚至更好,并认为数据增强技术和 wait-k 推理形成了流式翻译的强有力基线。我们通过实验表明,重翻译具有包装任意强大机器翻译系统的能力,并从基础模型升级中获得了显著改进。
Apr, 2020
本文提出了一种面向实际应用场景的实时语音翻译系统 SimulS2ST,支持 57 种语言对英语的翻译,具备实时调节输出延迟的功能,能够非常快速地进行语音翻译。
Jun, 2023
提出一种新的分割方法,用于低延迟的端到端同时语音翻译,并且在多种语言对和领域数据中显示出具有先进水平的质量。
Sep, 2023
本研究提出了一种基于平均标记延迟的评估指标(ATD),旨在更好地考虑同声传译中翻译结束时间对延迟的影响,并通过模拟实验和同声传译实验来探讨 ATD 的优势和与平均滞后度之间的差异。
Nov, 2022
本文提出一种用于自适应 SimulMT 训练的有效方案,通过向训练语料库中添加自适应前缀对前缀的语句,来缓解 Wait-K 策略的两个主要限制,实验证明该方法在翻译质量和延迟方面优于所有强基准线。
Apr, 2022
本研究针对如何实现长篇演讲等语音内容的同声传译问题,采用重新翻译的方式进行同步翻译,并提出了优化应用工具以加强稳定性的方法。研究结果表明,这种方法不仅延迟极低,翻译结果也具有高质量,能够轻易地进行多语言翻译。
Dec, 2019