translation

general · First seen 2026-05-22 · Last seen 2026-11-13 · 94 mentions

Overview

Translation(翻译)是将一种语言的文本或语音转换为另一种语言的过程,在 AI 时代主要指由机器翻译和大语言模型驱动的自动翻译技术,正处于从传统统计/神经网络模型向 LLM 驱动方案过渡的阶段。近期该领域在应用落地、语音实时翻译、低资源语言和翻译质量评估等方向均有密集进展。

机器翻译近期进展

  • 腾讯 Hunyuan 推出由 Hy-MT2 模型驱动的 Hy Translation 翻译应用,将自研翻译模型以独立产品形式面向用户,是大厂把翻译能力从 API 走向 C 端应用的代表动作。Tencent 推出 Hy Translation 翻译应用,由 Hy-MT2 驱动
  • IBM 发布 Granite Speech 5.0 2B 模型,主打多语言语音转录与翻译,仅 2B 的参数规模显示了在端侧和低算力场景做语音翻译的趋势。IBM AI Releases Granite Speech 5.0 2B for Multilingual Transcription and Translation
  • 学术侧,一项研究提出基于 SpeechLLM 的流式语音到文本翻译方法,另一项 TwT 框架则引入难度自适应推理来处理多领域翻译任务,还有工作将四阶段结构化框架用于法律文本翻译并转换为 PROLOG 逻辑。Streaming Speech-to-Text Translation with a SpeechLLM、TwT:难度自适应推理的多领域机器翻译框架、结构化四阶段法律翻译框架将交通规则转为 PROLOG 逻辑
  • 当前焦点与观察点

    低资源语言的翻译质量仍是核心难题。一项 2026 年 10 月的研究表明,即便在大模型时代,回译(back-translation)配合单语数据依然能显著提升低资源机器翻译效果,说明传统数据增强手段并未被 LLM 完全取代。Back-Translation Still Matters

    质量评估是另一个争议点。Apple 的研究指出,用大模型做翻译质量标注时,人类和模型都面临挑战,双方的一致性并不理想,这意味着自动评测基准的可靠性仍需谨慎看待。Large Language Models for Machine Translation Quality Annotation

    应用层面,实时同传工具竞争加剧,2026 年已有测评对主流 AI 实时翻译工具按延迟、支持语言和定价做横向比较,帮助用户在会议、旅行等场景选型。Top 12 AI Live Translation Tools in 2026: Latency, Languages, Pricing

    总体来看,translation 正在经历从“翻译模型”到“翻译能力嵌入通用大模型”的转变:大厂推出独立翻译应用,小参数量语音翻译模型走向端侧,学术界则在低资源、专业领域和质量评估三个方向补齐短板。后续值得观察的是翻译质量自动评估标准能否收敛,以及实时语音翻译的延迟与准确率能否同时达到商用门槛。

    Coverage

    10 on file