计算机科学 > 计算与语言
[提交于 2023年6月1日
]
标题: 何时发言的学习:离线模型同时语音到语音翻译中的延迟与质量权衡
标题: Learning When to Speak: Latency and Quality Trade-offs for Simultaneous Speech-to-Speech Translation with Offline Models
摘要: 语音到语音翻译(S2ST)的近期工作主要集中在离线设置上,其中完整的输入语句在生成任何输出之前即可获得。 然而,在许多现实场景中,这并不合理。 在对延迟敏感的应用程序中,与其等待整个语句,不如在输入信息可用时立即提供翻译。 在这项工作中,我们介绍了一个面向实际应用场景的同步S2ST系统。 我们的系统支持从57种语言翻译成英语,并具有可调参数以动态调整输出的延迟——包括四种用于确定何时输出序列的策略。 我们展示了这些策略在延迟仅略有增加的情况下实现了与Greedy(等待-$k$)基线相当的离线水平准确性。 我们开源了我们的评估代码和交互式测试脚本,以促进未来同步S2ST研究和应用开发。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.