在全球化浪潮推動下,跨語言溝通需求呈井噴式增長,AI 翻譯耳機市場迎來了前所未有的發(fā)展機遇。時空壺(深圳時空壺技術(shù)有限公司)深耕 AI 翻譯耳機領(lǐng)域,近日,其研發(fā)的 AI 翻譯耳機憑借卓越性能,連續(xù)兩次登上央視,成為行業(yè)焦點。

在央視《朝聞天下》及《新聞聯(lián)播》報道中提到,時空壺團隊耗時 3 年多,進行 3 個產(chǎn)品迭代,潛心攻克同聲傳譯的通信、降噪等核心難題,通過全球首創(chuàng)的算法,讓跨語種溝通更加準確、自然,實現(xiàn)“無感”交流。

在卓越的使用體驗背后,既有時空壺在翻譯耳機領(lǐng)域多年的深厚技術(shù)沉淀,以及對海量使用場景的反復打磨,也離不開聲網(wǎng) RTC 技術(shù)的關(guān)鍵支持。

AI 翻譯耳機兩大難題:降噪和雙向通信近年來,AI 翻譯耳機市場發(fā)展迅猛,翻譯耳機的全球出貨量以年均 62% 的增速狂飆。然而,要實現(xiàn)自然、流暢的跨語言溝通,AI 翻譯耳機面臨著諸多技術(shù)挑戰(zhàn),降噪和雙向通信兩大難題。

2019年,時空壺發(fā)布了隨身翻譯機Zero,Zero一經(jīng)面世便取得了不錯的銷量,斬獲多項國際大獎。但現(xiàn)實使用場景遠比實驗室復雜得多,不到兩個月,產(chǎn)品遭遇大量退單。其中最主要的原因是,不少用戶反饋產(chǎn)品降噪功能欠佳,嚴重影響翻譯效果。在展會現(xiàn)場、喧鬧的地鐵站等嘈雜環(huán)境中,耳機難以準確捕捉用戶語音,翻譯的準確性和效率也會大打折扣。

與此同時,在實時翻譯過程中,翻譯延遲也是影響用戶體驗的重要因素,延遲過高會導致溝通的連貫性被破壞。在進行語音識別時,由于數(shù)據(jù)需在多個系統(tǒng)模塊間流轉(zhuǎn),會產(chǎn)生一定的時間損耗;此外,在網(wǎng)絡(luò)不佳的情況下,傳輸延遲也會進一步加劇翻譯延遲。

W4 Pro 響應(yīng)延遲低至0.2秒,媲美世界頂尖譯員經(jīng)過3 年多時間的3次產(chǎn)品迭代,時空壺在2024年9月推出了全球首款開放式 AI 同傳翻譯耳機 W4 Pro,搭載其業(yè)內(nèi)首創(chuàng)的 Babel OS 同傳系統(tǒng),實現(xiàn)了 “端、邊、云” 全鏈路信息處理能力的飛躍,讓響應(yīng)延遲縮短至 0.2 秒,幾乎與原聲同步,極大提升了溝通的流暢性,翻譯延遲壓縮至僅一句話的時間(3-5秒),達到世界頂尖譯員的水平。

在翻譯準確率方面,W4Pro 支持 40 種語言及 93 種口音間的任意兩種語言即時互譯,平均準確率高達 96%,無論是常見語言還是小眾方言,都能精準解讀,遠超同類產(chǎn)品平均水平。

在音頻降噪方面,W4Pro采用了三麥克風結(jié)構(gòu)與矢量降噪技術(shù),有效過濾背景噪音,大幅提高降噪效率,確保翻譯的準確性。測試數(shù)據(jù)顯示,在85分貝的嘈雜環(huán)境中,其語音識別準確率仍保持在92%以上。

在網(wǎng)絡(luò)傳輸方面,W4Pro 借助音頻壓縮算法的弱網(wǎng)優(yōu)化,以及聲網(wǎng)的抗弱網(wǎng)傳輸和抗丟包算法,即使在跨國視頻會議中遭遇網(wǎng)絡(luò)波動,翻譯穩(wěn)定性仍也能提升40%。

W4Pro的應(yīng)用場景十分廣泛,不僅能滿足面對面翻譯需求,還能覆蓋外語電話、遠程會議、新聞演講、網(wǎng)課等翻譯場景,將「個人翻譯」的體驗提升到新高度。

自推出以來,時空壺 W4Pro 在市場上成績亮眼。2024 年,公司營收過億,增速達 60%,其中 W 系列翻譯耳機近三年出口每年增長超 100%。在國際電商平臺亞馬遜上,W4Pro 也脫穎而出,摘得 “亞馬遜翻譯機最佳銷量” 桂冠,深受全球消費者青睞。

聲網(wǎng)技術(shù)賦能,讓跨語種溝通零障礙在攻克 AI 翻譯耳機在響應(yīng)延遲與降噪方面的難題時,聲網(wǎng)憑借深厚的技術(shù)沉淀,構(gòu)建了一套完整的解決方案。從網(wǎng)絡(luò)傳輸、音頻算法處理,到交互體驗優(yōu)化與硬件適配,聲網(wǎng)都具備行業(yè)領(lǐng)先的獨特優(yōu)勢。

超低延時,響應(yīng)更快速

聲網(wǎng)憑借專業(yè)的全球網(wǎng)絡(luò)部署與超低延遲傳輸技術(shù),為 AI 翻譯耳機的低延時響應(yīng)提供了有力保障。聲網(wǎng)自研的 SD-RTN? 實時傳輸網(wǎng)絡(luò)覆蓋全球 200 多個國家與地區(qū),顯著提升了用戶接入速度,降低了端到端延遲。

聲網(wǎng)自研的抗弱網(wǎng)傳輸與抗丟包算法,結(jié)合網(wǎng)絡(luò)探測、抗丟包技術(shù)、自適應(yīng)jitter buffer、網(wǎng)絡(luò)擁塞控制策略等,能夠在 80% 丟包的惡劣網(wǎng)絡(luò)環(huán)境下,依然保障音視頻通話的流暢性,確保翻譯數(shù)據(jù)能夠及時、穩(wěn)定地傳輸,避免因網(wǎng)絡(luò)問題導致的翻譯延遲。

AI降噪,對話更清晰

針對語音對話中經(jīng)常會出現(xiàn)的噪音、回聲等問題,聲網(wǎng)擁有行業(yè)領(lǐng)先的音頻 3A 能力,通過 AI 噪聲抑制、背景人聲過濾、音樂檢測/過濾等算法,能夠智能屏蔽95%交互中的各類背景人聲與噪聲干擾,確保語音不受環(huán)境干擾,為用戶打造清晰、流暢的對話體驗。

智能打斷,對話更自然

在“雙向同傳”過程中,用戶只需開口說話、無需雙手操作、無需等待對方翻譯、隨時都能插話。憑借聲網(wǎng)先進的 AI 語音活動檢測(AI VAD)技術(shù),可實現(xiàn)靈敏的自然語音打斷,模擬人類對話的自然流動,讓對話更加真實、自然。

主流芯片支持,適配更廣泛

在硬件場景構(gòu)建音視頻互動時, SDK 對芯片、系統(tǒng)的適配性以及包體的體積至關(guān)重要。聲網(wǎng)支持適配支持 70+ 主流、高性價比的主流芯片/模組。集成包體積增量也<400KB,支持在 RTOS、EmbedLinux 等低功耗系統(tǒng)流暢運行,同時 SDK 還支持 PCM、G711U/A、G722、AAC、OPUS 等多種音頻格式。

目前,時空壺 AI 翻譯耳機在全球市場上取得了亮眼的成績,產(chǎn)品遠銷全球 170 多個國家和地區(qū),北美市場占有率達到了 40%。

未來,聲網(wǎng)將與時空壺繼續(xù)深化合作,不斷探索 AI 翻譯耳機技術(shù)的新邊界。雙方將持續(xù)優(yōu)化技術(shù)能力,進一步提升產(chǎn)品性能,為用戶帶來更加自然、流暢、高效的跨語言溝通體驗,共同推動 AI 翻譯耳機行業(yè)的發(fā)展,為全球用戶搭建更加便捷的語言溝通橋梁。