當(dāng)AI再次贏下“人機(jī)大戰(zhàn)”，翻譯耳機(jī)迎來“L3時(shí)刻”

文丨壹觀察 宿藝

“人類理解語言的方式，和大語言模型理解語言的方式幾乎相同。”近日，“AI教父”杰弗里·辛頓在2025世界人工智能大會上拋出這一觀點(diǎn)，隨后補(bǔ)充道：“在一些重要的根本性方面，大語言模型與人類不同，甚至比人類更強(qiáng)大。”

這并非一句夸張的預(yù)言，而是不久前才被公開驗(yàn)證的現(xiàn)實(shí)。

6月16日，在深圳“同傳翻譯人機(jī)大戰(zhàn)2.0”現(xiàn)場，四位資深同聲傳譯譯員組成人工隊(duì)，與使用時(shí)空壺W4 Pro組成的AI隊(duì)，展開了一場全程直播的翻譯對決。最終，AI隊(duì)以1170的總分戰(zhàn)勝人工隊(duì)的1062分，拿下勝局。

可以說，雙方比分差距不算懸殊，從現(xiàn)場表現(xiàn)來看，時(shí)空壺W4 Pro贏取的也并非分?jǐn)?shù)上的勝利，而是AI翻譯在復(fù)雜同傳語境中能夠經(jīng)受住專業(yè)級檢驗(yàn)的重要證明。

作為目前市面上唯一一款能夠與高級人工同傳比肩而立的產(chǎn)品，時(shí)空壺W4 Pro在這場比賽中真正展示的，是其在語義理解、糾錯(cuò)總結(jié)、語音同聲傳譯等方面的更高階能力，同時(shí)證實(shí)了，AI翻譯已經(jīng)抵達(dá)“可完成一場真實(shí)同傳任務(wù)”的能力分界點(diǎn)。

翻譯耳機(jī)行業(yè)發(fā)展滯澀已久，至此，終于迎來“L3時(shí)刻”。

正面對壘高級譯員，時(shí)空壺W4 Pro為何能贏？

整體來看，此次“人機(jī)大戰(zhàn)2.0”分為“基礎(chǔ)翻譯”和“關(guān)鍵詞提取”兩大環(huán)節(jié)，設(shè)置英、日、法、西四語種復(fù)雜文本，由外籍人士現(xiàn)場朗讀，專業(yè)評委按照翻譯準(zhǔn)確性、流暢程度、專業(yè)適配性與文化適配性四項(xiàng)指標(biāo)綜合評分。

不過，真正讓全場嘩然的，并非是AI隊(duì)拿到勝局之時(shí)，而是時(shí)空壺W4 Pro在比賽過程中屢次超出外界預(yù)期，展現(xiàn)出極高穩(wěn)定性、完成度和專業(yè)度的時(shí)刻。

例如，時(shí)空壺W4 Pro不僅能夠完整翻譯出“位于西安東南西北四條大街交匯處的鐘樓”這樣的長難句、妥善還原“碑文記載”等生僻表達(dá)，還能準(zhǔn)確表達(dá)出“西安有個(gè)鐘鼓樓，半截插在天里頭”這樣極具文化底蘊(yùn)的地道俗語，甚至在面對摩洛哥口音濃重的法語朗讀時(shí)，其依然保持著輸出的穩(wěn)定性與準(zhǔn)確性，幾無明顯脫漏。

此前，市面上的翻譯產(chǎn)品大多停留在“文本直譯”和“語音轉(zhuǎn)文字直譯”等基礎(chǔ)層面，但時(shí)空壺W4 Pro不僅能聽清、懂意譯，還能做到低時(shí)延自然輸出，打破了人們對于機(jī)翻生硬、缺乏文化敏感度的刻板印象。

這樣遠(yuǎn)超預(yù)期的表現(xiàn)，自然是時(shí)空壺 W4 Pro多年技術(shù)打磨的成果。

首先是“聽得清”。

AI翻譯的真正考驗(yàn)往往發(fā)生在聲源復(fù)雜的現(xiàn)實(shí)場所，也因此，進(jìn)行第二輪“關(guān)鍵詞提取大比拼”時(shí)，比賽現(xiàn)場也特別加強(qiáng)了環(huán)境音的干擾。對此，時(shí)空壺W4 Pro搭載的三麥克風(fēng)陣列+矢量降噪技術(shù)發(fā)揮了重要作用。通過軟硬件配合，時(shí)空壺W4 Pro能夠更好鎖定佩戴者聲音、排除環(huán)境雜音，這就為后續(xù)正確翻譯打下了重要基礎(chǔ)。

其次是“翻得快”。

“翻得快”的難點(diǎn)在于“又快又正確”。以往，傳統(tǒng)翻譯設(shè)備多靠“整段處理”，先聽完再翻，但同聲傳譯講求“說一句譯一句”，這就常常導(dǎo)致前一句會被下一句修正，譯文飄忽不定，也就無法立刻提供正確通順的語音翻譯。

為此，時(shí)空壺W4 Pro通過“AI糾錯(cuò)+語義判斷”雙引擎打破這一難題：一方面，利用大語言模型的上下文理解、推理能力實(shí)時(shí)糾錯(cuò)近音詞，保證上下文理解準(zhǔn)確；另一方面，自研語義判斷模型精準(zhǔn)判斷句子是否達(dá)到足夠的準(zhǔn)確度，一旦達(dá)到，便及時(shí)進(jìn)行合成播放，讓翻譯不卡頓、不拖延，真正實(shí)現(xiàn)在耳邊“同步輸出”。

最后也最核心的，是“譯得準(zhǔn)”。

在過去，“機(jī)翻”常常被詬病死板、生澀、脫離語境，比如“手沖咖啡”的“手沖”會被翻譯為“hand-washing（洗手）”，諸如此類。而時(shí)空壺搭載業(yè)界首個(gè)AI同傳翻譯大模型Babel OS同傳系統(tǒng)，經(jīng)過對“端、邊、云”全鏈路信息處理能力進(jìn)行深度優(yōu)化，不僅能實(shí)現(xiàn)精準(zhǔn)意譯，還可支持40種語言、93種口音間任意兩種語言的即時(shí)互譯，翻譯準(zhǔn)確率高達(dá)96%，為多元場景下的翻譯質(zhì)量提供了現(xiàn)實(shí)保障。

當(dāng)然，必須指出的是，AI翻譯與人工翻譯仍舊各有所長。盡管AI翻譯更少被現(xiàn)場氛圍和語速影響，工作效率和可接受的強(qiáng)度更高，但人類譯員顯然更擅長語感與情感的精準(zhǔn)表達(dá)。換句話說，AI翻譯并非已經(jīng)完全超越人工翻譯，這場比賽的真正價(jià)值在于，首次公開見證了，AI翻譯體驗(yàn)已經(jīng)可以達(dá)到較高智能化的“L3級別”。

簡單來說，翻譯體驗(yàn)可分為L1-L5五級：L1是最原始的“逐詞逐句”文本翻譯；L2進(jìn)入語音交替階段，說一句等一句；L3開始逼近真實(shí)同步對話，可實(shí)現(xiàn)3-5秒的雙向語音同傳翻譯；再往上就是L4的“情感級意譯”、 L5多模態(tài)輸入及輸出的“讀心級意譯”。其中，L3，被看作是通往更高級翻譯體驗(yàn)的關(guān)鍵臨界點(diǎn)。

從這一標(biāo)準(zhǔn)來看，時(shí)空壺W4 Pro是當(dāng)前唯一商業(yè)化落地、真正達(dá)成L3體驗(yàn)的產(chǎn)品，相較市面多數(shù)仍停留在L2級的翻譯耳機(jī)或軟件服務(wù)，具備“立體化”的斷層體驗(yàn)優(yōu)勢。

這場同傳翻譯人機(jī)大戰(zhàn)，不難讓人們想起2016年AlphaGo與李世石的那場對戰(zhàn)。如果說AlphaGo的那場勝利，象征了AI可以學(xué)習(xí)規(guī)則、完成深度博弈，那么這一次時(shí)空壺 W4 Pro的勝利，則意味著AI翻譯已經(jīng)完成一場專業(yè)能力的實(shí)戰(zhàn)檢驗(yàn)，能夠進(jìn)入更復(fù)雜的語言理解與實(shí)時(shí)交流現(xiàn)場。

可以看到，AI翻譯正在加緊越過“技術(shù)”與“體驗(yàn)”兩座大山，而走在最前面的時(shí)空壺，已經(jīng)成功攻下“同聲傳譯”這塊高地，正式為行業(yè)劃定下新的前進(jìn)坐標(biāo)。

深度聚焦場景價(jià)值，從“升級工具”到“重寫交流方式”

實(shí)際上，此次“人機(jī)大戰(zhàn)”只是時(shí)空壺嶄露頭角的一個(gè)切面。尤其今年以來，這個(gè)僅有150多號員工、研發(fā)團(tuán)隊(duì)平均年齡只有28歲的中國科技企業(yè)，持續(xù)收獲著來自行業(yè)內(nèi)外多方的關(guān)注。

比如今年3月，《新聞聯(lián)播》就罕見地用足4分鐘時(shí)間，深度報(bào)道時(shí)空壺的技術(shù)研發(fā)和品牌故事。隨后，時(shí)空壺又接連出現(xiàn)在深圳文博會、粵港澳大灣區(qū)車展、北京智源大會等大型展會現(xiàn)場，在這些人流如織的喧嘩場景中，作為指定翻譯設(shè)備提供專業(yè)支持。

為何是時(shí)空壺？在《壹觀察》看來，時(shí)空壺脫穎而出的根本原因，是其不再用“工具思維”做產(chǎn)品，而是用“場景思維”再造技術(shù)，也正因?yàn)樘隽朔g行業(yè)慣有的思維桎梏，深入真實(shí)使用場景，才創(chuàng)造了更貼合現(xiàn)實(shí)需求的場景價(jià)值。

正如前文所提及，在真實(shí)生活場景下做翻譯，第一道難題是“聽清楚”。

相比辦公室、會議室等“理想場所”，時(shí)空壺更早意識到，真實(shí)的翻譯需求發(fā)生在更復(fù)雜多變的場景中，無論是地鐵轟鳴、人聲鼎沸還是車流嘈雜，都是一款實(shí)用翻譯設(shè)備繞不開的現(xiàn)實(shí)考題。

為此，時(shí)空壺的工程師們奔走于城市街巷，深入地鐵、商場、展館收集數(shù)據(jù)，反復(fù)測試其研發(fā)的VNC矢量降噪技術(shù)。時(shí)空壺研發(fā)負(fù)責(zé)人石偉在接受《新聞聯(lián)播》采訪時(shí)表示，“時(shí)空壺追求的終極目標(biāo)是除了佩戴耳機(jī)者的聲音，其他說話者的雜音以及各種噪聲可以被降噪技術(shù)完全消除。”目前看來，時(shí)空壺正在順利向這一目標(biāo)靠近，因?yàn)樵谧钚碌哪M測試中，當(dāng)多人同時(shí)說話，甚至他人音量達(dá)到90分貝時(shí)，佩戴者的聲音依然可以被準(zhǔn)確識別和傳輸，這無疑是時(shí)空壺進(jìn)一步突破雙向同傳壁壘的積極信號。

另一個(gè)常常被忽略卻極其關(guān)鍵的場景突破，是在通信層。

在科幻片的慣常設(shè)定中，人們的面對面跨語言溝通，似乎天然只需要雙方各戴一只耳機(jī)，便可自由交談。但現(xiàn)實(shí)在于，過往所有的標(biāo)準(zhǔn)藍(lán)牙耳機(jī)，在設(shè)計(jì)之初都只是基于“我說你聽”的聆聽場景，因此行業(yè)默認(rèn)的都是單通道錄音，并不支持兩只耳機(jī)分別錄音。

時(shí)空壺發(fā)現(xiàn)，這種底層通信架構(gòu)的限制，是橫亙在翻譯耳機(jī)L2與L3級別之間的一道鴻溝。畢竟若是無法“各自發(fā)言”，就無從談起雙向同傳翻譯，雙方仍然只能停留在“單向語言交替翻譯”的回合制對話，而這種對話方式本就是反直覺、反人性的。

為突破這一技術(shù)瓶頸，時(shí)空壺團(tuán)隊(duì)前往國內(nèi)外的頭部芯片廠商拜訪，卻被告知“沒有現(xiàn)成解決方案”。無奈之下，時(shí)空壺只好著手自研通信技術(shù)，歷時(shí)整整四年，終于在2021年研發(fā)出首款能雙向同傳翻譯耳機(jī)，實(shí)現(xiàn)兩只耳機(jī)能夠同時(shí)“各自錄音、各自翻譯、各自輸出”，這才解決了跨語言交流中最基本的“回合制”問題，為“所有語言都可以像母語一樣自然溝通”鋪平道路。

從拾音降噪到面對面同傳，時(shí)空壺基于場景需求所創(chuàng)造的技術(shù)發(fā)展與產(chǎn)品體驗(yàn)，帶來的不僅是功能維度的工具化升級，更推動了跨語言交流方式的革新。

自此，“你說完我再譯”的割裂體驗(yàn)逐漸消解，同聲傳譯級實(shí)時(shí)互動成為可能。跨語言溝通體驗(yàn)，開始無限接近人類長久以來的“終極想象”。

《壹觀察》評論

1954年，喬治城-IBM實(shí)驗(yàn)室成功實(shí)現(xiàn)俄英翻譯，人類第一次看到語言轉(zhuǎn)換被機(jī)器接手的可能。然而，此后七十年，從統(tǒng)計(jì)機(jī)器到神經(jīng)機(jī)器，機(jī)器翻譯幾經(jīng)范式之變，卻始終未能抹除其作為“外部工具”的突兀存在感。

直到時(shí)空壺試圖改寫這一現(xiàn)狀。

從技術(shù)上看，時(shí)空壺的創(chuàng)新不止于開發(fā)開發(fā)出業(yè)界首個(gè)AI同傳翻譯大模型，還在于完成了聲學(xué)采集、傳輸通信、語義判斷等環(huán)節(jié)的技術(shù)協(xié)同，重塑整個(gè)AI翻譯鏈路的運(yùn)行邏輯以及實(shí)時(shí)翻譯體驗(yàn)，既讓AI翻譯具備“語義級理解+語境級自適應(yīng)”能力，又做到讓翻譯“自然發(fā)生。

從行業(yè)上看，過去AI翻譯設(shè)備的體驗(yàn)?zāi)：饔^，而伴隨時(shí)空壺W4 Pro的到來，L1-L5分級體系首次被明確提出，不僅促使行業(yè)走向規(guī)范化，其自身也作為當(dāng)前市面唯一商業(yè)化落地的L3級產(chǎn)品，為行業(yè)樹立起重要參照與標(biāo)桿。

與此同時(shí)，專業(yè)級的跨語言溝通往往受制于譯員的能力、成本與可用性，而時(shí)空壺W4 Pro借技術(shù)之力，擴(kuò)大了這項(xiàng)原本稀缺的社會資源的受眾面，讓專業(yè)級跨語言溝通不再依賴“資深專家”，用前沿創(chuàng)新實(shí)現(xiàn)了專業(yè)服務(wù)的普惠化。

正如《創(chuàng)新的起源》一書所言，真正有價(jià)值的創(chuàng)新，必須經(jīng)得起兩個(gè)考驗(yàn)：一是對個(gè)人有用，二是能節(jié)省時(shí)間、精力或金錢成本。從這一視角來看，時(shí)空壺W4 Pro正是當(dāng)前市面上極少數(shù)能通過這兩大考驗(yàn)的產(chǎn)品：不僅可用、好用，而且能替代人工執(zhí)行高強(qiáng)度、高密度的任務(wù)，無疑是兼具實(shí)用價(jià)值、商業(yè)價(jià)值和未來發(fā)展?jié)摿Φ膭?chuàng)新產(chǎn)品。

但同時(shí)，我們也應(yīng)當(dāng)看到，AI翻譯的能力依然有限，仍需要在深層語義理解和文化微妙之處尋找技術(shù)落點(diǎn)。不過，未來翻譯行業(yè)的最優(yōu)解，本就不是“AI替代人類”，而是“AI協(xié)同人類”。

翻譯耳機(jī)行業(yè)未來可期。值得高興的是，時(shí)空壺已率先站上L3時(shí)代的新起點(diǎn)，加速未來到來。