字节跳动发布Seed LiveInterpret 2.0：AI同声传译技术实现突破性进展

字节跳动Seed团队于7月24日正式发布端到端同声传译模型Seed LiveInterpret 2.0，标志着AI同声传译技术取得突破性进展。该模型基于全双工语音生成与理解框架，首次实现“语音到语音”的直接转换，支持中英双向实时互译，延迟低至2-3秒，翻译准确率接近专业人类同传水平。

技术突破方面，Seed LiveInterpret 2.0采用端到端架构，摒弃传统级联式系统的ASR+MT流程，通过强化学习双奖励机制优化语义一致性与逻辑连贯性。测试数据显示，其长文本中译英延迟降至2.37秒，翻译质量得分提升至79.53。模型具备三大核心能力：一是实时声音复刻功能，无需预训练即可克隆说话人音色；二是自适应节奏控制，动态调节语速与停顿；三是多语音流并行处理，适用于会议等复杂场景。

性能表现上，该模型在多人会议场景中英互译准确率超70%，单人演讲场景达80%以上（人类同传平均为85%-90%）。音色复刻的语音译文有效信息比例达64.7-67.8分，首句输出延迟仅2.53秒，较传统系统效率提升60%。实际测试中，面对40秒连续语句可实现无卡顿翻译，并保持音色一致性。

目前该技术已通过火山引擎平台开放，首款集成该模型的Ola Friend智能耳机预计8月底上市。但需注意，现有版本仍存在语言支持单一（仅中英）、情感传递局限（语气还原度约60%）及硬件依赖性强等不足。团队表示，多语种扩展与情感仿生技术将成为下一阶段研发重点。