DIAL-S2ST：学习同声传译的延迟控制

DIAL-S2ST 用 10 小时语音实现同传延迟可调

资讯摘要

论文提出 DIAL-S2ST，一种用于同声语音翻译模型推理时延迟控制的后训练方法。该方法通过从前瞻预测自蒸馏复用预训练翻译能力，并限制大文本蒸馏损失的影响以应对模仿差距，无需配对目标数据或奖励计算即可为更早输出提供监督。作者联合训练单个 LoRA 适配器以在推理时调节时序，在 Hibiki 的法译英实验中仅用 10 小时源语音即完成适配，获得质量与延迟的折中。

要点速读

1. 论文提出 DIAL-S2ST 后训练方法，学习同声语音翻译的推理时延迟控制。
2. 方法通过前瞻预测自蒸馏复用预训练能力，无需配对目标数据或奖励计算。
3. 在 Hibiki 法译英实验中，仅 10 小时源语音即可完成适配并调节延迟。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。