HITSZ 基于序列到序列自动语音识别模型和 Indic 大语言模型的端到端语音翻译系统用于 IWSLT 2025 Indic Track

本文介绍了 HITSZ 为 IWSLT 2025 Indic track 提交的系统，专注于英语到印度语言和印度语言到英语的语音到文本翻译 (ST)。为了提升此低资源场景下的翻译质量，我们提出了一种端到端系统，将预训练的 Whisper 自动语音识别 (ASR) 模型与印度语言专用的大语言模型 (LLM) Krutrim 集成在一起。实验结果表明，我们的端到端系统在英语到印度语言方向获得了平均 BLEU 分数为 $28.88$，在印度语言到英语方向获得了 $27.86$。此外，我们还研究了 Chain-of-Thought (CoT) 方法。尽管该方法在成功解析输出（例如在泰米尔语到英语方向上实现了 $13.84$ 的 BLEU 提升）方面显示出显著的翻译质量提升潜力，但我们观察到确保模型始终遵循所需 CoT 输出格式存在挑战。