在2025年的初夏，全球的目光聚焦于日本，共同見(jiàn)證了2025世博會(huì)的盛大開(kāi)幕。盡管這屆世博會(huì)因籌備時(shí)間緊迫而在網(wǎng)絡(luò)上引發(fā)了不少爭(zhēng)議，但它無(wú)疑為觀眾帶來(lái)了諸多意想不到的樂(lè)趣。尤其是日本媒體在采訪中所使用的翻譯設(shè)備，因誤將“有看到什么厲害的東西嗎？”翻譯為“有什么了不起的？”，成為了網(wǎng)絡(luò)上廣為流傳的一段佳話。
盡管這只是翻譯設(shè)備因上下文理解不足而導(dǎo)致的小誤會(huì)，但從用戶(hù)的角度來(lái)看，翻譯設(shè)備作為跨語(yǔ)言交流的橋梁，確實(shí)需要一個(gè)更為清晰明確的能力邊界定義。正如汽車(chē)的輔助駕駛和自動(dòng)駕駛有著明確的分類(lèi)一樣，翻譯設(shè)備也迫切需要一個(gè)類(lèi)似的評(píng)級(jí)系統(tǒng)。
回顧過(guò)去，那些被90后學(xué)生當(dāng)作掌機(jī)來(lái)玩的電子詞典，只能被歸類(lèi)為L(zhǎng)1級(jí)別的翻譯設(shè)備。這類(lèi)設(shè)備本質(zhì)上就是一個(gè)數(shù)字化的、支持快速搜索和朗讀功能的字典，其翻譯引擎基于傳統(tǒng)的文本引擎，只能進(jìn)行最基本的詞對(duì)詞翻譯。即使你輸入一整句話，L1翻譯設(shè)備也只能逐詞翻譯，導(dǎo)致諸如將“白花了”錯(cuò)誤地翻譯為“White Flowers”這樣的笑話頻出。
L2級(jí)別的翻譯設(shè)備在原理上與L1相似，同樣是基于詞對(duì)詞的映射翻譯。但L2設(shè)備增加了語(yǔ)音識(shí)別模塊，可以自動(dòng)將語(yǔ)音轉(zhuǎn)寫(xiě)成文字，省去了用戶(hù)手動(dòng)輸入的麻煩。后來(lái)，部分品牌還將L2翻譯技術(shù)集成到了耳機(jī)中，但即便是“翻譯耳機(jī)”，也未能改變單向翻譯的邏輯，即一人說(shuō)話，另一人只能等待翻譯完成。
然而，L3級(jí)別的翻譯技術(shù)卻是一個(gè)分水嶺。由于引入了AI大模型，L3翻譯設(shè)備具備了理解語(yǔ)義和上下文聯(lián)系的能力。同時(shí)，多模態(tài)模型等技術(shù)也顯著加快了語(yǔ)音翻譯的速度。在體驗(yàn)上，L3翻譯設(shè)備借助矢量降噪技術(shù)，實(shí)現(xiàn)了雙向同傳的突破，成為了目前體驗(yàn)最好的翻譯模式。遺憾的是，目前谷歌、蘋(píng)果等企業(yè)仍停留在L2級(jí)別。
不同AI翻譯模型的能力千差萬(wàn)別，有些品牌能做到語(yǔ)義、情緒的精準(zhǔn)傳達(dá)，而有些則只能提供“僅供參考”的翻譯結(jié)果。開(kāi)頭提到的“有什么了不起的？”便是一個(gè)典型的翻譯錯(cuò)誤案例。
但并非沒(méi)有值得稱(chēng)贊的翻譯案例。前段時(shí)間，時(shí)空壺再次登上《新聞聯(lián)播》，成為了AI同傳技術(shù)的代表，也是目前唯一一款達(dá)到L3水準(zhǔn)的AI同傳耳機(jī)。
在《新聞聯(lián)播》中，記者用近4分鐘的時(shí)間向外界展示了時(shí)空壺如何利用AI技術(shù)在翻譯領(lǐng)域取得的突破。這已經(jīng)是時(shí)空壺在2025年內(nèi)第二次登上央視舞臺(tái)。作為成立近十年的“老企業(yè)”，時(shí)空壺是如何在AI時(shí)代找到自己的競(jìng)爭(zhēng)力的呢？
在雷科技看來(lái)，時(shí)空壺之所以能在短時(shí)間內(nèi)坐上翻譯設(shè)備的頭把交椅，并將領(lǐng)先優(yōu)勢(shì)延續(xù)了近十年，這背后離不開(kāi)其對(duì)翻譯軟硬件技術(shù)的深度探索。時(shí)空壺突破了雙向同傳的技術(shù)限制，率先邁入了L3翻譯的階段，并在場(chǎng)景拓展、AI大模型升級(jí)等方面實(shí)現(xiàn)了飛躍，與傳統(tǒng)的L2翻譯設(shè)備拉開(kāi)了體驗(yàn)的代差。
傳統(tǒng)的L2翻譯設(shè)備，無(wú)論是手持的翻譯機(jī)還是佩戴的翻譯耳機(jī)，都無(wú)法擺脫L1翻譯效率低、錯(cuò)誤率高的問(wèn)題。即使從文字輸入轉(zhuǎn)變?yōu)檎Z(yǔ)音輸入和TTS語(yǔ)音輸出，其算法仍然基于老舊的L1翻譯模式。這導(dǎo)致L2時(shí)代的翻譯耳機(jī)需要極長(zhǎng)的翻譯時(shí)間，只能實(shí)現(xiàn)“偽同傳”。
而且，為了控制成本，這些L2翻譯耳機(jī)通?；谑忻嫔铣墒斓腡WS公模開(kāi)發(fā)。但這些公模TWS顯然不會(huì)針對(duì)翻譯耳機(jī)特殊的工作環(huán)境（背景噪聲大、對(duì)話距離近、佩戴時(shí)間長(zhǎng)、人聲降噪要求高）進(jìn)行優(yōu)化。以雷科技參加CES等海外展會(huì)的經(jīng)歷為例，普通的翻譯耳機(jī)幾乎無(wú)法準(zhǔn)確識(shí)別雙方的對(duì)話內(nèi)容，更不用說(shuō)進(jìn)行準(zhǔn)確的翻譯了。
其中，對(duì)用戶(hù)體驗(yàn)影響最大的便是L2翻譯耳機(jī)的“偽同傳”問(wèn)題。在參加CES、MWC等海外展會(huì)時(shí)，雷科技通常都帶有采訪任務(wù)。為了保證雙方發(fā)言的準(zhǔn)確性，我們?cè)诓稍L時(shí)通常都會(huì)說(shuō)各自的母語(yǔ)，再由翻譯設(shè)備進(jìn)行翻譯。然而，L2翻譯耳機(jī)的單向同傳短板便暴露無(wú)遺。由于翻譯耳機(jī)一次只能處理一個(gè)人的說(shuō)話內(nèi)容，無(wú)論是從現(xiàn)場(chǎng)收音質(zhì)量還是模型翻譯質(zhì)量的角度來(lái)看，使用L2翻譯耳機(jī)進(jìn)行采訪都會(huì)嚴(yán)重影響雙方的交流效率。
相比之下，L3翻譯的雙向同傳模式允許對(duì)話雙方各說(shuō)各話，各自的同傳會(huì)將譯文同時(shí)輸出給對(duì)方，省去了單向翻譯中的等待步驟。人類(lèi)的交流天生是雙向的，因此雙向同傳模式更符合人類(lèi)母語(yǔ)交流的習(xí)慣。
然而，要實(shí)現(xiàn)雙向同傳并非易事。首先，在面對(duì)面交流中，翻譯設(shè)備難以區(qū)分發(fā)言人。在嘈雜的展館中，使用翻譯耳機(jī)時(shí)必須足夠大聲，但傳統(tǒng)翻譯耳機(jī)的收音模式未經(jīng)優(yōu)化，很容易將雙方的聲音都捕捉到，導(dǎo)致翻譯混亂。
傳統(tǒng)L2翻譯耳機(jī)缺乏上下文聯(lián)系的能力，本身也不適合采訪這種深度、長(zhǎng)時(shí)間、貫穿上下文的對(duì)話模式。即使準(zhǔn)備兩套翻譯設(shè)備，也只會(huì)帶來(lái)雙倍甚至更多的麻煩。這也是市面上大多數(shù)翻譯設(shè)備不提供雙向翻譯模式的根本原因。
但時(shí)空壺卻迎難而上，憑借雙向同傳及其背后的技術(shù)挑戰(zhàn)，在眾多翻譯設(shè)備中脫穎而出。時(shí)空壺利用軟硬合一的矢量降噪技術(shù)優(yōu)化了收音效果，為雙向翻譯的語(yǔ)音識(shí)別準(zhǔn)確率打下了基礎(chǔ)。2021年，時(shí)空壺發(fā)布了第一代雙向同傳耳機(jī)W3，標(biāo)志著行業(yè)在雙向翻譯（L3翻譯）中取得了從零到一的突破。
作為W3的“繼任者”，W4 Pro基于W3的成功經(jīng)驗(yàn)，針對(duì)W3的體驗(yàn)短板做出了多項(xiàng)改進(jìn)。在IFA期間，雷科技發(fā)現(xiàn)W4 Pro的長(zhǎng)桿耳機(jī)造型、每邊三麥克風(fēng)陣列以及時(shí)空壺的軟件降噪技術(shù)，不僅可以在嘈雜環(huán)境中準(zhǔn)確捕捉對(duì)話的聲音，還能精確地將對(duì)話雙方的聲音分離，確保每只耳機(jī)“只聽(tīng)一人講話”。這一矢量降噪技術(shù)從源頭確保了翻譯原聲的準(zhǔn)確度。
在翻譯環(huán)節(jié)，時(shí)空壺也充分開(kāi)發(fā)、整合了AI大模型的能力。在時(shí)空壺App中，W4 Pro翻譯耳機(jī)的用戶(hù)可以隨時(shí)切換傳統(tǒng)的AI機(jī)器翻譯（NMT模式）和大語(yǔ)言模型翻譯（LLM翻譯模式）。得益于大模型的加入，時(shí)空壺的雙向翻譯具備了對(duì)上下文的理解能力，可以根據(jù)歷史對(duì)話排除不符合語(yǔ)境的多音字、多義詞分支，獲得更準(zhǔn)確的翻譯效果。
以大語(yǔ)言模型驅(qū)動(dòng)的翻譯模式為例，它能夠準(zhǔn)確識(shí)別出“手沖咖啡”中的沖洗和沖泡，并給出正確的譯文，避免“直譯”帶來(lái)的誤會(huì)。大語(yǔ)言模型的加入還讓時(shí)空壺具備了“過(guò)濾”能力，可以過(guò)濾掉用戶(hù)重復(fù)的語(yǔ)氣輔助詞和因緊張、口吃而重復(fù)說(shuō)出的詞。
在功能拓展方面，W4 Pro也沿著雙向同傳的路徑，拓展出了電話翻譯、音視頻翻譯等場(chǎng)景，帶來(lái)了“全場(chǎng)景翻譯”的能力。而最重要的是，大語(yǔ)言模型對(duì)翻譯的“提速”。傳統(tǒng)的NMT（神經(jīng)機(jī)器翻譯）模式必須等句子說(shuō)完才能開(kāi)始翻譯流程，這是雙向同傳真正的“卡脖子”之處。但大語(yǔ)言模型的加入讓時(shí)空壺具備了理解上下文的能力，能夠準(zhǔn)確“預(yù)判”雙方的含義和原句的完成進(jìn)度，像真人同傳那樣進(jìn)行“開(kāi)放式翻譯”，在句子說(shuō)完之前就輸出譯文，并根據(jù)原文的語(yǔ)義及時(shí)調(diào)整輸出的譯文。
