TransDubber：保留时间线的语音翻译

Zhisheng Zheng 与 David Harwath 提出 TransDubber，一个端到端自回归语音到语音翻译系统，目标是让译文语音与源语音共享同一条绝对时间线，保留源语音的结束点和内部显著停顿。 该方法直接从对齐的目标波形中学习时间结构，推理时不需要帧级时间控制或事后时间校正。研究构建了 642K 条严格时长匹配的英中语音对，并采用渐进式监督课程与验证器引导的强化学习进行训练。上述效果来自论文自述，尚未见独立验证。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。