产品概述
Hibiki是一款专注于实时语音翻译的高精度模型，由AI研究实验室Kyutai Labs推出。它采用创新的多流语言模型架构，能够同时处理源语言和目标语言的语音信号，实现语音到语音（S2ST）和语音到文本（S2TT）的无缝转换。不同于传统的分段式翻译，Hibiki在说话人讲完一句话的瞬间就能输出翻译结果，并且译后语音会保留原声的语调、情感和语速节奏，听起来非常自然。该模型还提供了轻量化版本Hibiki-M（17亿参数），可以在iPhone等移动设备上本地运行，无需联网即可完成实时翻译。
核心优势
Hibiki最大的亮点是对声音特征的保留能力。它不仅翻译语义，还能迁移说话人的语气、情感和音色，使得译后语音生动真实，克服了机器翻译常见的机械感。此外，Hibiki具备智能语速调节功能，能够根据源语言的内容��动调整翻译语音的语速，确保信息传达的准确性和流畅性。它的多流架构使得语音识别与翻译几乎同步完成，延迟极低，达到了同声传译级别的体验。对于不同口音（如英式英语、美式英语、印度英语等），Hibiki也能精准识别并正确翻译。
适用场景
- **跨国商务会议**：帮助与会者实现即时双向翻译，消除语言隔阂，提升沟通效率。
- **在线教育平台**：为不同语言背景的学生提供实时语音翻译，促进课堂互动和理解。
- **国际旅游**：游客可以用手机直接与当地人对话，完成问路、点餐等日常交流。
- **医疗场景**：辅助医生与外语患者进行沟通，确保病情描述和诊断的准确传递。