字节跳动Seed团队发布了Seed LiveInterpret 2.0，这是首个在中英同声传译领域达到接近人类水平的产品级系统。该系统基于全双工端到端语音生成理解框架，能够实时处理多人语音输入，并以极低的延迟（2-3秒）实现“边听边说”，同时支持零样本声音复刻，让翻译更加自然流畅。在测试中，Seed LiveInterpret 2.0能够对长段中文表达进行低延迟、同音色翻译。相比传统系统，其准确率显著提升，多人会议场景下准确率超70%，单人演讲超80%，且能智能平衡翻译质量、延迟和语音输出节奏，适配不同语言特性，保证传译的自然流畅。

🗂️ Seed LiveInterpret 2.0是字节跳动Seed团队推出的首个产品级中英同声传译系统，其核心优势在于实现了接近人类同传译员的延迟和准确率。该系统采用全双工端到端语音生成理解框架，能够同时接收源语言语音输入并输出目标语言翻译语音，从而达到“边听边说”的效果。

🚀 该系统在翻译准确率和延迟方面表现突出。在多人会议等复杂场景下，中英双向翻译准确率超过70%，单人演讲准确率更是超过80%，已接近专业真人同传水平。翻译延迟低至2-3秒，相比传统机器同传系统降低了超过60%，显著提升了沟通效率。

🗣️ Seed LiveInterpret 2.0支持零样本声音复刻，能够仅通过采样实时语音信号，便提取声音特征并用说话人的音色特质进行外语翻译，极大地增强了交流的沉浸感和亲和力。此外，系统还能智能平衡翻译质量、延迟和语音输出节奏，根据语音清晰度、流畅度和复杂程度进行调整，确保超长信息的传译语音节奏自然流畅。

💡 该技术报告已由火山引擎对外开放，并且Ola Friend耳机将于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，预示着该技术将在更多实际应用场景中落地。

IT之家 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。

IT之家注意到，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。