Google Research 发布端到端实时语音到语音翻译模型

Google Research 介绍了一种端到端实时语音到语音翻译（S2ST）模型，可保留原说话人声音进行实时翻译，延迟仅 2 秒，而现有级联式方案通常有 4–5 秒延迟并存在误差累积。