字节跳动旗下的Seed团队近期推出了一项令人瞩目的技术成果——Seed LiveInterpret 2.0，这一端到端的同声传译模型在中英语音同传领域取得了突破性进展。据悉，该系统在延迟和准确率方面已接近人类专业译员的表现，成为首个达到这一水平的产品级系统。
Seed LiveInterpret 2.0基于创新的全双工端到端语音生成理解框架构建，能够实时处理中英文的互译需求。尤为它能够像人类同传译员那样，在多人会议场景中边听边译，几乎无缝衔接。在多人对话环境中，该系统的翻译准确率超过70%，而在单人演讲场景下，准确率更是高达80%以上。其翻译延迟被显著缩短至2至3秒，相较于传统系统，延迟降低了超过60%。
除了高效的翻译能力，Seed LiveInterpret 2.0还具备了一项令人惊艳的功能——零样本声音复刻。这意味着，该系统能够实时捕捉说话人的音色特质，并以该音色“说出”外语，从而极大地提升了交流的自然度和沉浸感。这一特性对于提升国际会议的沟通体验尤为重要。
目前，Seed LiveInterpret 2.0的技术报告已经公开发布，并基于火山引擎平台对外开放。这一开放举措预示着更多开发者和企业将有机会接入并使用这一前沿技术。据悉，Ola Friend耳机也将在今年8月底实现与该模型的兼容，为用户提供更加便捷、高效的同声传译体验。
随着Seed LiveInterpret 2.0的推出，字节跳动在人工智能领域的布局再次展现出强大的创新力和影响力。这一技术的广泛应用，无疑将为国际交流带来更加流畅、自然的体验，进一步推动全球化进程的发展。
