MLLP-VRAIN UPV 系统用于 IWSLT 2025 同时语音翻译任务
计算与语言
2025-06-24 v1
摘要
本文描述了 MLLP-VRAIN 研究小组参与 IWSLT 2025 同时语音翻译轨道共享任务的情况。我们的提交旨在解决实时翻译长篇语音的独特挑战，通过开发模块化级联系统来适应强预训练模型以应用于流式场景。我们将 Whisper Large-V3-Turbo 用于 ASR，结合 multilingual NLLB-3.3B 模型用于 MT，实施轻量级适应技术，而非从头训练新的端到端模型。我们的做法采用文档级适应以前缀训练来增强 MT 模型处理不完整输入的能力，同时纳入自适应发射策略，包括 wait- 策略和 RALCP，用于管理翻译流。专门的缓冲区管理技术和分段策略确保跨长音频序列的连贯翻译。在 ACL60/60 数据集上的实验结果表明，我们的系统在翻译质量和延迟之间取得了有利的平衡，BLEU 为 31.96，非计算感知 StreamLAAL 延迟为 2.94 秒。我们的最终模型在官方测试集（IWSLT25Instruct）上取得了初步得分 29.8 BLEU。我们的工作表明，仔细调整的预训练组件可以在无需大量领域内平行数据或专业端到端训练的情况下，创建有效的长内容同时翻译系统。
引用
@article{arxiv.2506.18828,
title = {MLLP-VRAIN UPV system for the IWSLT 2025 Simultaneous Speech Translation Translation task},
author = {Jorge Iranzo-Sánchez and Javier Iranzo-Sánchez and Adrià Giménez and Jorge Civera and Alfons Juan},
journal= {arXiv preprint arXiv:2506.18828},
year = {2025}
}
备注
IWSLT 2025 System Description