标签
CVSS-X 是一个大规模合成语音到语音翻译语料库，扩展了 CVSS，实现了从英语到 28 种语言的翻译，包含超过 16,000 小时的平行语音对，用于双向研究。
本文提出了Kraken，一个基于LLM的语音到语音翻译模型，采用低比特率向量量化和双路径源条件，以提高翻译质量并保留说话人韵律，基于Qwen3-8B构建。
一篇研究论文，提出了一种新的评估指标和重音感知系统，用于在英中语音到语音翻译中评估和保留词汇重音，实验表明在保持翻译质量的同时，其重音翻译能力显著优于现有方法。
本文提出了一种针对长语音同声传译的实用评估方法，该方法利用自动语音识别（ASR）、强制对齐和句子嵌入对齐来计算连续语音的延迟和质量指标，克服了先前方法的局限性。
本文介绍了NaturalFlow，一种流畅性感知的优化框架，它通过利用模型内部信号减少同时语音翻译中的干扰性停顿，在低延迟和自然语音流畅之间取得平衡。
提出了S2ST-Omni 2，一个多对一的组合式语音到语音翻译框架，用结构化类型学先验取代扁平语言标签以改进多语言适配，在CVSS-C上取得了优越性能。