语言无国界还有多远？时空壶CTO石伟：关键在于双向实时同传

随着全球化的深入推进，跨语言信息传递的即时性需求正以前所未有的速度增长。从跨国企业的云端会议到学术领域的全球协作，不同场景下的实时语言转换需求，正推动实时翻译技术成为人工智能领域的重要突破口。翻译耳机的最大瓶颈在于实时翻译的速度与准确性。用户对AI翻译设备的期望更高，理想状态是“即说即译”，延迟控制在1秒以内。这要求在极低延迟下仍能确保翻译的语义连贯性和准确性。时空壶技术有限公司CTO石伟接受时代周报记者采访时表示，如何在3秒内兼顾低延迟与高质量翻译，是当前最大的技术挑战。自研模型约占一半石伟：我们目前在线支持41种语言的互译，并有一个专门的团队在持续扩展语言支持。作为产品和服务提供商，我们并不局限于自研模型，而是会全球范围内寻找和适配最优的语言模型。目前，我们支持93种口音，尤其像英语这种口音众多的语言。离线方面，新产品“新T1”支持11种语言、31个语言对，全部基于自研模型，不依赖第三方。石伟：具体比例因涉及语音识别（ASR）、机器翻译和语音合成（TTS）等多个环节而难以一概而论，大约各占一半。目前，语音识别的自研语言较少，约5种，如泰语、阿拉伯语等。翻译部分，我们正逐步从通用大模型转向自研微调模型，TTS也基本实现自研。总体而言，我们越来越注重核心技术的自主研发，以优化性能和提升用户体验。石伟：Bable OS的发布有三重意义。首先，名字灵感来自《圣经》中的巴别塔和科幻小说《银河系漫游指南》中的巴别鱼，象征无障碍沟通的理念，传递我们追求极致技术的愿景。其次，我们提出了“通往巴别之路”的概念，像自动驾驶分级一样，将翻译技术的发展分为几个阶段，向外界展示我们的技术路径。第三，我们公开了部分技术架构，比如双向全双工通信、降噪算法、离线与在线混合模型等，分享如何构建这样的系统。时代周报：大模型需要大量数据训练，时空壶的数据从何而来？如何保护用户隐私？核心为双向实时同传石伟：与科大讯飞的竞争更多是错位竞争。早期他们主推手持翻译机，市场主要在国内，而我们专注翻译耳机，主攻海外市场。手持翻译机的交互体验较为繁琐，需要点按、传递设备，而时空壶的耳机实现了无缝的双向实时同传，接近真人交流的体验。目前，市场上包括讯飞在内的其他AI耳机，虽然也加入了翻译功能，但大多无法实现双向实时同传。这也是时空壶的核心竞争力。石伟：我们的用户群体主要是需要长时间、多轮次跨语言沟通的场景，比如商务、医疗、教育等行业场景，以及移民群体。北美是我们最大的市场，因为其移民国家特性带来了多样化的语言需求。旅游场景也有需求，但使用频次较低，通常是短句问路或询价，适合手持翻译机。而我们的耳机更适合深入、双向的长时间对话。石伟：目前我们所有产品都以To C为主，营销和产品形态都面向消费者。虽然我们看到To B市场的潜力，特别是在商务和行业场景，但目前市场尚未成熟到需要针对特定行业定制硬件的程度。我们更倾向于开发适用于多场景的通用产品，通过不同模式满足多样化需求。石伟：我们对AI眼镜一直保持开放态度。早在2022年，我们就开始关注AR眼镜产业，与雷鸟、Xreal等厂商有过深入技术交流。赛道远未成熟石伟：实话实说，目前这方面还做不到完美。实时翻译中，语境和语气的捕捉非常困难，尤其是个性化词汇或行业术语。如果用户能提前提供演讲稿、PPT或专属词汇表，我们可以通过定制化翻译功能优化效果。但像幽默或文化禁忌的处理，依赖于模型技术的进一步突破。目前整个行业都还没到这个阶段。我反而期待有一天能操心这些问题，因为那意味着翻译的实时性和准确性已经解决得差不多了。石伟：这个赛道远未成熟。全球翻译APP的下载量高达十几亿，显示了巨大的需求。而我们的硬件瞄准的是线下、真人场景的翻译需求，市场空间非常大。技术上，我们自评用户期望是90分，我们目前可能达到80分。因此，无论是技术发展还是市场空间，这个赛道都有很大潜力，预计未来几年仍会保持翻倍增长。石伟：学习外语有两个层次的需求。第一是交流需求，如果AI翻译技术非常成熟，这部分需求可能会大幅降低。但第二是更深层次的文化和思维需求。学习语言不仅是沟通工具，还能帮助理解文化、思维逻辑和表达习惯。比如读英文原版论文或诗歌，能更直接地感受其内涵，这是翻译难以完全替代的。所以，未来外语学习的需求可能会减少，但不会消失，更多会变成一种像艺术或文学一样的兴趣追求。