SimulSense 用语义单元触发写入，决策最高快 9.6 倍。
资讯摘要
论文提出 SimulSense，用于同声语音翻译（SimulST）。该方法模仿人类译员，持续读取输入语音，在感知到新的语义单元时触发写入决策以输出译文，从而避免现有系统将任务建模为多轮对话、依赖专门交错训练数据和昂贵 LLM 推理做决策的问题。作者报告，与两个先进基线系统相比，该方法在质量与延迟权衡上更优，实时效率显著提升，决策速度最高快 9.6 倍。
要点速读
- 论文提出 SimulSense 框架，以“感知到新语义单元即触发写入”的方式模拟人类译员的读写决策。
- 现有先进系统将 SimulST 建模为多轮对话，需要专门交错训练数据，并依赖计算昂贵的 LLM 推理做决策。
- 作者报告，对比两个先进基线，该方法取得更优的质量-延迟权衡，决策速度最高快 9.6 倍。
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 2026/10/28 08:00:17（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。