7 月 24 日消息，今天，字节跳动 Seed 团队正式发布端到端同声传译模型 Seed LiveInterpret 2.0，是首个延迟 & 准确率接近人类水平的产品级中英语音同传系统。

据官方介绍，它基于全双工端到端语音生成理解框架，支持中英互译，可实时处理多人语音输入，像人类同传译员一样以极低的延迟“边听边说”，一边接收源语言语音输入，一边直接输出目标语言的翻译语音。同时，Seed LiveInterpret 2.0 还支持 0 样本声音复刻，让沟通更加流畅自然。

在测试中，可以观察到，Seed LiveInterpret 2.0 面对 40 秒的大段中文表达，能够低延迟地丝滑输出同款音色的英语翻译。此外，Seed LiveInterpret 2.0 还能快速学习音色。

相比传统机器同传系统，Seed LiveInterpret 2.0 模型具备以下优势：

接近真人同传的翻译准确率。精准的语音理解能力保障了翻译准确度，在多人会议等复杂场景中英双向翻译准确率超 70%，单人演讲翻译准确率超 80%，接近真人专业同传水平。

极低延迟的“边听边说”能力。采用全双工语音理解生成框架，翻译延迟可低至 2-3 秒，较传统机器同传系统降低超 60%，实现了真正的“边听边说”翻译。

零样本声音复刻，音色真实自然。只需采样实时语音信号，便能提取声音特征，用说话人的音色特质实时“说出”外语，提升交流的沉浸感和亲和力。

智能平衡翻译质量、延迟和语音输出节奏。可根据语音清晰度、流畅度、复杂程度，调整输出节奏，并适配不同语言特性。面对超长信息，依然能保证传译语音节奏的自然流畅。

注意到，目前 Seed LiveInterpret 2.0 技术报告已公布，模型基于火山引擎对外开放。此外，Ola Friend 耳机也将在 8 月底接入 Seed LiveInterpret 2.0，成为首个支持该模型的智能硬件设备。