AITOP

语音翻译

共 10 条相关 AI 资讯
8月7日
00:12
00:12官方账号ElevenLabs@elevenlabsio
ElevenLabs 推出 Dubbing v2，并已开放到 ElevenLabs API。用户上传音频或视频，就能用原说话人的声音翻译成另一种语言。该功能支持超过 90 种语言。官方同时发布了完整的操作演示视频。
AI产品ElevenLabsDubbing v2视频翻译
推荐理由：ElevenLabs 把 Dubbing v2 放进 API 了，上传音视频就能用原声翻成 90 多种语言，做多语言内容省事不少。
原文
6月25日
04:06
04:06官方一手marktechpost@Asif Razzaq
精选
Gradium推出两个实时语音翻译模型stt-translate和s2s-translate，覆盖英语、法语、德语、西班牙语、葡萄牙语共20个语言对。模型采用双阶段架构，将传统三模型级联简化为两个：单次转录+翻译后连接Gradium TTS，通过单个双工WebSocket运行。据Gradium报告，该模型在准确性和延迟上优于gpt-realtime-translate和gemini-3.5-live-translate。模型还支持输出语音选择和语音克隆功能。
AI模型Gradiumstt-translates2s-translate
事件专题
推荐理由：Gradium发了两个实时语音翻译模型，准确率和速度都超过了GPT的实时翻译，还能选声音和克隆，做多语言交流很实用。
原文
6月13日
05:36
6月10日
03:08
03:08官方账号Jeff Dean@JeffDean
Google 在语音翻译领域长期投入，最新推出 Gemini 3.5 Live Translate 模型，支持超过 70 种语言的语音到语音实时翻译。该模型旨在让跨语言对话更自然，已集成到 Google Translate 和 Google AI Studio 的 Live API 中。合作伙伴 Grab 正在利用该技术帮助司机与乘客沟通，展示了实际应用场景。这是 Google 在语音翻译领域的最新进展，有望提升日常应用中的多语言交流体验。
AI产品语音翻译Gemini 3.5实时翻译
推荐理由：Google 把语音翻译推进到新阶段，70+ 语言实时互译对跨国出行、客服、会议场景的团队是直接利好，开发者可以立刻通过 Live API 接入试试。
原文
01:24
6月9日
23:59
23:38
23:23
5月28日
19:56
19:56IT之家（博客/媒体）
科大讯飞在澳门 BEYOND Expo 2026 上推出 AI 眼镜，定位为“眼前的超级 AI 助理”，售价 4299 元，6 月 15 日开启预售。眼镜仅重 40 克，采用经典眼镜形态，通过 SGS 舒适度认证。核心功能是搭载端到端语音同传大模型，支持 122 种语言翻译，覆盖通话、线上同传、同声传译、面对面翻译、视觉翻译等六大场景。此外，还支持实时提词、AI 助理（GlassClaw）和会议纪要自动生成。产品将大模型能力融入日常佩戴，旨在解决跨语言沟通和演讲痛点。
AI产品AI 眼镜科大讯飞语音翻译
推荐理由：科大讯飞把大模型塞进 40 克眼镜里，解决了出国旅行、商务会议中语言不通的痛点，经常出差或做国际业务的用户可以直接关注。
原文
5月15日
10:02
10:02官方账号arXiv cs.AI@Titouan Parcollet, Shucong Zhang, Xianrui Zheng, Rogier C. van Dalen
精选
传统语音翻译系统依赖语音识别和文本翻译两个独立模块，容易产生级联错误。本文提出一种基于LLM的流式语音翻译架构，让模型不仅能输出翻译结果，还能自主判断是否已听到足够音频来输出。该系统通过输入语音与输出文本的自动对齐进行训练，在多个语言对上的翻译质量接近非流式基线，但延迟仅为1-2秒。这项研究解决了现有SpeechLLM系统无法实时流式输出的痛点，使语音翻译更适用于实时应用场景。
论文语音翻译流式处理SpeechLLM
推荐理由：做实时语音翻译的团队终于有了低延迟方案——延迟降到1-2秒且翻译质量不降，做会议同传或语音助手的开发者可以直接参考。
原文