实时语音到语音翻译

Google Research 介绍了一个创新的端到端语音到语音翻译(S2ST)模型,仅用 2 秒延迟即可在原说话人音色下实时翻译,并通过可扩展的时序同步数据管线支持多语言,已部署于 Google Meet 和 Pixel 10 设备。