同声传译新突破！谷歌 Translatotron 3 模型：可绕过文本转换步骤

12 月 2 日，谷歌公司在今天的新闻发布会上，正式向外界发布了一款名为“Translatotron 3”的全新的人工智能模型。该模型的推出，标志着谷歌公司在人工智能语音翻译领域的一项重要突破。据悉，这款全新的人工智能模型，无需任何并行语音数据下，就能够实现语音对语音的同声传译翻译，从而大大提高了人工智能语音翻译的速度和准确性。

早在 2019 年，谷歌公司就推出了第一代“Translatotron S2ST”系统。经过不断的技术改进和优化，在 2021 年 7 月，谷歌公司又推出了“Translatotron S2ST”系统的第二代版本。在 2023 年 5 月 27 日，谷歌公司发布了一篇论文，宣布正在部署一种全新的训练方法，用以训练这款全新的“Translatotron 3”模型。

据研究人员介绍，“Translatotron 2”模型已经在翻译质量、语音鲁棒性（Robust）和语音自然度等方面，取得了非常优秀的表现。而“Translatotron 3”模型则是谷歌公司在人工智能语音翻译领域的又一次重大突破，实现了“第一个完全无监督直接语音到语音翻译的端对端模型”。

传统上的“S2ST”系统，主要是通过自动语音识别 + 机器翻译 + 文本到语音合成的级联方法来解决语音翻译问题的。然而，“Translatotron 3”模型则是依赖一种全新的端对端架构，直接将源语言语音映射到目标语言，而不依赖中间文本表示，从而实现了更快的速度和更高的准确性。

研究人员表示，“Translatotron 3”模型不仅可以用于语音翻译，还可以用于创建帮助有语言障碍的人的工具，或者开发更具吸引力和有效性的个性化语言学习工具，为广大用户带来更加便捷、高效的语言学习体验。