作者｜子川

来源｜AI先锋官

造成这种情况的罪魁祸首主要原因就是传统同声传译软通常“错误传播”以及“被低延时受限”。

所以就变得不太好用(但凡好用，早就翻译人员的什么事了）。

对此，字节跳动推出CLASI工具。 

CLASI 采用了端到端的架构，所以不会出现错误传播的问题，同时还搭载着豆包，从而获得外部知识进行翻译。根据测试，CLASI 已经达到口译人员的水准。

确定翻译比德芙还丝滑吗？（答案：有滴）

下面让我们来看一下视频。

三个小伙伴在聊健身，翻译的非常顺滑。

，

不仅如此，还可以翻译文言文，这操作就有点意思了。

还可以翻译绕口令，这翻译居然没有打结。

从视频的演示效果来看，CLASI不仅做到了实时翻译，速度更是一绝。同时还具备强大的语音理解能力，不仅能翻译文言文，还能翻译绕口令。(这已经比肩很多口译工作者了）

还有一个重要的点，不知道大家发现没？

那就是CLASI还具备上下文记忆功能，能够记住之前的对话，和真的口译人员一样。这可是传统同声传译所不具备的。

在上述已经展现出CLAS的强大，但是我们再用同行的同声传译工具做一下对比。

上述视频都是官网的，小编在这里顺便准备了讯飞互传来做一下对比。

为什么不用其他的对比？因为就讯飞互传有免费额度（主打的就是白嫖）。

无论是官网的视频还是讯飞互传，个人都觉得CLASL会·更胜一筹。

虽然在这次的报告中没有会议部分的演示，但是会议场景翻译作为CLASL的老本行，相信同样也会给我们很大的惊喜。

同时研究人员在中英和英中翻译中，叫了不同专业同传译员，使用翻译有效性为指标。

结果呢！

CLASI系统不仅跑赢了所有商业和开源的SOTA系统，某些时候，它的表现甚至超越了专业的口译人员，要知道人类同传的平均分大概也就80%。

那就让我们来细看一下CLASI模型的系统架构。

系统框架：

CLASI系统采用基于大型语言模型（LLM）的智能体架构，将同声传译细化为一系列有序的步骤：音频输入、信息检索（可选）、记忆读取、记忆更新和结果输出。这流程都是由智能体自行，不仅优化了翻译速度与准确性的平衡，而且系统设计灵活，可根据需求进行相应的调整，确保信息传递更加效率和翻译的的准确。底层模型是一个经过大量数据训练的条件化编码器模型（Encoder-conditioned LLM），同时也CLASI提供了强大的语言处理能力。

总的来说，CLASI系统的出现使得翻译的质量提升了一个档次，而且在人工评估中，CLASI 的表现优于现有的自动同声传译系统的性能，几乎达到人类同传的水平。这也意味着未来可能口译人员也会失业。

上述内容为研究论文，目前还没有成品，所以是金子还是银子我们就不得而知了，但是至少CLASI的出现也说明了人工智能在同声传译领域取得重大进展。