技术突破 - Seed LiveInterpret 2.0在中英互译任务中达到业界最优水平（SOTA），在译文质量、响应速度与音色还原能力上表现突出 [2] - 系统采用全双工语音理解与生成框架，支持"边听边说"的实时传译，语音延迟最低可至2到3秒 [2] - 具备0样本声音复刻能力，无需预录音即可用说话者的音色"说出"外语 [2] 系统架构 - 引入双通路（duplex）语音理解与生成架构，端到端方案减少中间环节，提升处理效率和翻译准确率 [4] - 系统能边接收源语言语音输入边生成目标语言语音输出，可实时处理多人说话场景 [4] - 相比传统同传系统，可在听音过程中同步生成目标语音，实现平均约2.5秒内完成首个译句输出 [6] 性能表现 - 语音翻译延迟低至2到3秒，相比传统机器同传系统平均减少超过60%等待时间 [7] - 在语音到文本的中英互译任务中，平均翻译质量得分为74.8（满分100），相比第二名系统高出58% [13] - 语音到文本场景中平均输出首字延迟仅为2.21秒，语音到语音场景延迟为2.53秒 [16] 技术创新 - 引入强化学习机制，在延迟、译文准确率和节奏控制上进行联合建模优化 [8] - 采用两阶段训练流程：先通过单步奖励预热模型，再利用全局奖励机制优化模型 [8] - 在长文本中译英任务中，语音输出延迟从3.90秒降至2.37秒，翻译质量得分从75.1提升至79.5 [8][9] 应用场景 - 已通过火山引擎开放试用，用户可体验语音模型"Doubao-同声传译2.0" [2][3] - Ola Friend耳机计划于8月底接入该系统，成为首个支持其语音同传能力的硬件设备 [2] - 具备跨语言实时演讲、跨境会议、教育直播等落地能力 [19]