计算机应用

作者：宗伟, 赵悦, 李尹, 徐晓娜

单位：1.民族语言智能分析与安全治理教育部重点实验室（中央民族大学），北京 100081；2.中央民族大学 信息工程学院，北京 100081

关键词：端到端语音到语音翻译,建模负担,数据稀缺,现实应用,语音基石模型

基金：国家自然科学基金资助项目(61976236)

语音到语音翻译（S2ST）是智能语音领域中新兴的研究方向，旨在将一种语言的语音准确翻译成另一种语言的语音。随着人们对跨语言交流需求的增加，S2ST受到广泛的关注，相关研究也不断涌现。传统的级联模型在S2ST过程中存在诸多问题，如错误传播、推理延迟和无法翻译无文字系统的语言等，因此如何通过端到端模型实现直接S2ST成为当前研究的重点。在全面调查端到端S2ST的基础上，详细分析和归纳了端到端S2ST的各种模型，综述了已有的相关技术，将端到端S2ST面临的挑战总结为建模负担、数据稀缺和现实应用三类问题，并重点探讨了现有工作是如何解决这三类问题的。大语言模型（LLM）强大的理解和生成能力为S2ST提供了新的可能性，同时也带来了更多的挑战。因此，讨论了LLM在S2ST中的应用，并设想了未来可能的发展方向。

来源：2025年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第5期