arXiv cs.CL· Zubair Ajmal Farooq, Diptesh Kanojia·· 3 天前AI 评分22
在 Jetson Nano 上运行的质量感知自校正语音翻译系统
Quality-Aware Self-Correcting Speech Translation on an Edge Device
AI 导读
一套完全离线的语音到语音翻译流水线可在 Jetson Nano（4 GB）上运行，无需重训练即可自我纠正弱翻译：Whisper-tiny 做 ASR，Opus-MT 做翻译，多语言 BERT 余弦相似度作为质量估计（QE）门控，置信度低于阈值 τ 时触发二次翻译。
正文 · AI 翻译
摘要：我们提出了一种完全离线的语音到语音翻译流水线，可在 Jetson Nano（4 GB）上运行，并能在无需重新训练的情况下纠正自身较弱的翻译。Whisper-tiny ASR 为 Opus-MT 翻译器提供输入；多语言 BERT 余弦相似度充当质量估计（QE）门控，当置信度低于预定义阈值 $\tau$ 时触发二次处理。我们比较了三种纠正方法：QE 重排序（M1）、最小贝叶斯风险解码（M2）和约束束搜索（M3）。在 1,012 句 FLORES-200 句子（英语-西班牙语）上，$\tau=0.90$ 时的 M2 在 BLEU（+0.67，p<0.001）、ChrF（+0.51，p<0.001）和 COMET（N=3 时 +0.0020，p=0.002）上相较于贪心解码产生了统计显著的提升；M1 没有带来显著增益，而 M3 显著差于基线（p>0.99）。我们的核心发现是，QE 作为门控很有效，但作为排序器效果很差：从候选选择中移除 QE 模型（M1$\to$M2）不会损害质量，并从关键路径中释放了 680 MB。使用改编自译后编辑工作量文献的增益与编辑比率，我们进一步表明，较小的候选池（N=3）产生更具针对性的纠正，并具有更好的语义充分性，而较大的候选池（N=10）则最大化词汇奖励。我们发布了该系统，并演示了六种语言对的实时翻译。
| 评论： | v2：添加了代码仓库链接；更正了图表、表格标签和少量文本。7 页，2 幅图，4 张表。完整论文已提交至 Convergence 2026 会议论文集；海报在萨里大学举行的 Convergence 2026 上展示。代码：此 https URL |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.07545 [cs.CL] |
| （或 arXiv:2610.07545v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07545 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Zubair Ajmal Farooq [查看电子邮件]
[v1]
2026 年 10 月 6 日星期二 00:21:08 UTC（388 KB）
[v2]
2026 年 10 月 14 日星期三 08:03:16 UTC（134 KB）
来源：arXiv cs.CL · arxiv.org