DoCIA：面向语音翻译的在线文档级上下文融合智能体
计算与语言
2025-04-08 v1
摘要
文档级上下文对于处理文本到文本的文档级机器翻译（MT）中的话语挑战至关重要。尽管自动语音识别（ASR）引入的噪声增加了话语挑战，但文档级上下文在语音翻译（ST）中的融合仍未被充分探索。在本文中，我们开发了 DoCIA，这是一个通过融合文档级上下文来增强 ST 性能的在线框架。DoCIA 将 ST 流水线分解为四个阶段。通过基于 LLM（大型语言模型）的辅助模块，将文档级上下文融合到 ASR 精炼、MT 和 MT 精炼阶段中。此外，DoCIA 以多层级方式利用文档级信息，同时最小化计算开销。另外，引入了一种简单而有效的判定机制来防止过度精炼产生的幻觉，确保最终结果的可靠性。实验结果表明，DoCIA 在四个 LLM 上的句子指标和话语指标上均显著优于传统 ST 基线，证明了其在提升 ST 性能方面的有效性。
引用
@article{arxiv.2504.05122,
title = {DoCIA: An Online Document-Level Context Incorporation Agent for Speech Translation},
author = {Xinglin Lyu and Wei Tang and Yuang Li and Xiaofeng Zhao and Ming Zhu and Junhui Li and Yunfei Lu and Min Zhang and Daimeng Wei and Hao Yang and Min Zhang},
journal= {arXiv preprint arXiv:2504.05122},
year = {2025}
}