CMU 的 IWSLT 2025 同步语音翻译系统
计算与语言
2025-06-17 v1
摘要
本文展示了 CMU 提交至 IWSLT 2025 同步语音翻译（SST）任务的作品，该任务将未分段的英语语音流式翻译为中文和德语文本。我们的端到端语音转文本系统集成了分块因果 Wav2Vec 2.0 语音编码器、一个适配器以及 Qwen2.5-7B-Instruct 作为解码器。我们在从 LibriSpeech、CommonVoice 和 VoxPopuli 数据集精选的鲁棒语音片段上，采用标准交叉熵损失使用两阶段同步训练过程。我们的模型通过可配置的延迟乘数支持可调延迟。实验结果表明，我们的系统在 ACL60/60 开发集上实现了英语到中文 44.3 BLEU 和英语到德语 25.1 BLEU 的翻译性能，计算感知延迟分别为 2.7 秒和 2.3 秒，理论延迟分别为 2.2 秒和 1.7 秒。
引用
@article{arxiv.2506.13143,
title = {CMU's IWSLT 2025 Simultaneous Speech Translation System},
author = {Siqi Ouyang and Xi Xu and Lei Li},
journal= {arXiv preprint arXiv:2506.13143},
year = {2025}
}
备注
IWSLT 2025 System Description