字节跳动Seed团队近期揭晓了其最新的技术成果——Seed LiveInterpret 2.0，这是一款中英双向的端到端同声传译系统，其延迟与准确率均逼近人类译员的水准，标志着产品级语音同传技术的重大突破。
该系统建立在全双工语音理解与生成框架之上，支持中英互译，并具备实时处理多人语音输入的能力。与人工同传相似，Seed LiveInterpret 2.0能够在接收源语言语音的同时，近乎实时地输出目标语言的翻译语音，实现了“边听边说”的功能。尤为该系统还引入了0样本声音复刻技术，进一步提升了沟通的流畅度和自然度。
在测试中，Seed LiveInterpret 2.0展现出了惊人的性能。面对长达40秒的中文表述，它能够迅速且准确地转化为英语，且延迟极低，翻译过程如丝般顺滑。该系统还具备快速学习并模仿说话人音色的能力，为翻译增添了更多个性化的色彩。
相较于传统的机器同传系统，Seed LiveInterpret 2.0展现出了多方面的优势。其翻译准确率接近专业人类译员，尤其在多人会议等复杂场景中，中英双向翻译的准确率超过了70%，在单人演讲场景下更是达到了80%以上。在延迟方面，该系统采用了全双工框架，使得翻译延迟降低至2-3秒，相比传统系统减少了超过60%，真正实现了实时翻译。
声音复刻技术也是该系统的一大亮点。通过实时采样语音信号并提取声音特征，Seed LiveInterpret 2.0能够以说话人的音色特质实时“说出”外语，极大地增强了交流的沉浸感和亲和力。同时，该系统还能智能地平衡翻译质量、延迟和语音输出节奏，根据语音的清晰度、流畅度和复杂程度调整输出，确保翻译的自然流畅。
目前，Seed LiveInterpret 2.0的技术报告已经对外公布，并基于火山引擎平台开放。据悉，Ola Friend耳机也将在8月底接入该系统，成为首个支持Seed LiveInterpret 2.0的智能硬件设备，为用户提供更为便捷、高效的同声传译体验。
