字节跳动放大招！Seed LiveInterpret 2.0 实现同传新突破，翻译延迟低至 2 秒

突破性模型问世，机器同传迈向新高度

字节跳动Seed团队正式发布其最新研究成果------Seed LiveInterpret2.0 端到端同声传译大模型。这一技术突破标志着机器同传迈入新阶段，其翻译准确率已逼近专业同传人员水平，响应延迟控制在仅3秒以内，同时支持实时声音复刻功能，以原说话者音色输出翻译语音，极大提升跨语言交流的自然度与流畅性。

挑战翻译巅峰，打造技术新标杆

同声传译长期被视为语言处理领域的高峰，要求在极短时间内完成边听边说的高难度语言转换。Seed LiveInterpret2.0不仅在中英同传质量上达到当前业界最佳水平（SOTA），更实现了极低延迟，为该领域树立了全新的技术标杆。

核心技术架构与功能亮点

该模型基于全双工端到端语音生成理解框架，支持中英互译，能够实时处理多人语音输入，像专业译员一样实现低延迟"边听边说"。此外，模型具备零样本声音复刻能力，无需预先采集语音样本，即可在实时对话中合成与原声高度相似的翻译语音，显著提升沟通沉浸感。

测试表现亮眼，展现强大适应力

在实际测试中，Seed LiveInterpret2.0展现卓越性能。面对40秒长段中文输入，模型能低延迟输出同音色英文翻译。更令人惊叹的是，它能快速学习并模仿各类语音特征，无论是《西游记》中的猪八戒，还是《红楼梦》里的林黛玉，即便从未"听过"这些角色的声音，也能通过实时交互即时演绎。

相较传统系统，优势显著

• 翻译准确率高：多人会议场景中英双向翻译准确率超70%，单人演讲场景超80%，接近专业人工同传水平。
• 延迟极低：采用全双工框架，翻译延迟最低仅2-3秒，较传统系统降低超60%。
• 声音复刻自然：支持零样本音色合成，实现语音输出的个性化与沉浸感。
• 智能节奏控制：可根据语音清晰度与复杂度动态调整输出节奏，确保翻译语音自然流畅。

专业评测验证实力

在基于RealSI数据集的人工评测中，Seed LiveInterpret2.0表现突出。在语音到文本任务中，其中英互译平均得分达74.8分 （满分100），领先第二名系统近58%。在语音到语音任务中，其得分66.3分，综合评估译文准确率、语音时延、语速、发音与流畅性等多项指标，远超同类系统，接近专业同传水平。

延迟控制精准，兼顾质量与时效

在语音到文本场景中，输出首字平均延迟仅2.21秒 ；语音到语音场景中为2.53秒，实现了翻译质量与响应速度的高效平衡。

相关资源

技术报告：https://arxiv.org/pdf/2507.17527 项目主页：https://seed.bytedance.com/seed_liveinterpret