X-Translator

X-Translator系统提供实时语音到语音翻译

研究人员开发了X-Translator，一个用于实时语音到语音翻译的模块化系统。该系统旨在平衡翻译质量、延迟和说话人一致性，以应对长篇和多说话人对话中的挑战。X-Translator利用流式自动语音识别（ASR）、机器翻译和提示条件语音合成（TTS），并配备运行时控制器，用于增量分段提交和说话人提示管理。使用OpenSTBench进行的评估以及与专有API的比较，展示了其在翻译、语音质量、延迟和说话人保留方面的能力。