科大讯飞推出同传大模型与AI降噪系统，重塑翻译耳机体验

科技巨头们，往往对翻译产品存在执念。

Windows 11 搭载了“实时字幕”选项，谷歌打造的AR眼镜能将传译内容投射到镜片之上，而几乎所有智能手机，都会内置一款名为“翻译”的原生App。科技公司对于开发翻译产品的共识，都指向了人类打破语言藩篱的古老梦想。

实现这一科技愿景的过程中，还有一家科技公司无法被绕开，不论是讯飞翻译机、讯飞翻译SaaS还是讯飞翻译app，即便之于普通用户，包括同传翻译在内的智能语音技术，早已令科大讯飞声名在外。

拥有这份用户认知不难理解。作为中国人工智能国家队，讯飞同传已累计服务全球50多个国家和地区；讯飞翻译机已触达超百万用户，翻译次数高达10亿次；而根据国际咨询机构IDC的权威数据，科大讯飞在AI翻译速度、效果、专业度、拟人度、产品应用成熟度、商业化规模、研发投入及用户推荐度8大核心维度中排名第一。

这些软硬件产品都折射出科大讯飞一条清晰的技术脉络：致力于打破全球对话壁垒。

因此，当10月14日科大讯飞推出“讯飞AI翻译耳机”时，迅速引起了行业和用户的广泛关注。

包括谷歌AR眼镜在内，“确保翻译的准确与速度”始终是尚未解决的核心痛点，而市面上的硬件翻译产品，也都还未摆脱“你一句我一言”使用困境。面对这些行业难题，在接受界面新闻采访时，科大讯飞翻译耳机产品线总经理林会杰给出了“相比竞品，我们的优势非常明显”的笃定回答。

讯飞AI翻译耳机究竟给出了怎样的差异化体验？而对行业而言，更重要的意义在于，面对“无语言障碍沟通”的古老愿景，我们需要了解顶尖科技公司们已行至何处。

翻译耳机，始于降噪

相比头戴、TWS耳机，翻译耳机对于收音提出了更严苛的要求，若无法保证输入足够清晰，翻译的准确性自然就无从谈起。落到实际使用场景中，翻译类硬件产品往往还要面临地铁、会场、户外等嘈杂场景，清晰收音的难度再次加强。

面对收音的核心痛点，讯飞AI翻译耳机搭载了一套“多感融合AI降噪系统”：拆解来看，作为一款开放式耳机，其配备了“气导+骨传导”麦克风，相比行业仅搭载气导麦克风的常规做法，骨传导麦克风加入后，支持通过用户说话时的骨骼振动来拾取声音，以此避免空气传播中的噪音干扰，同时还有两枚气导麦克风捕捉环境音和语音细节；借助ENC降噪算法，最终讯飞AI翻译耳机能融合空气与骨骼振动的两路传播音源，最大程度确保拾取人声时足够干净。

从产品哲学来讲，技术应用远非终点，只有对于细节不断打磨，方能决定产品体验的最终上限。例如，骨传导结构对于振动反馈极为敏感，因此耳机本身的振动一定程度会干扰收音效果，针对这个并不突出的问题，讯飞AI翻译耳机还特别定制了“骨传导回声降噪技术”，确保骨导麦克风完全收集到有效声音信号。还有一处细节是，讯飞AI翻译耳机采用了麦克风延长杆设计，以30度指向佩戴者，从而形成最佳拾音角度。

正如科大讯飞翻译耳机产品线总经理林会杰所言，从行业首创的多感融合AI降噪系统再到骨传导回声降噪等技术，我们的最终目的都是确保人声足够清晰。

“收音”看似不难，但不得不承认，真正做到“足够清晰”却在行业内所见寥寥，换言之，在同传的前置环节，凭借更全面的技术方案以及细节打磨，讯飞AI翻译耳机已经最大程度保证了信号源的清晰无误，为后续翻译工作做好了充足准备。

AI时代下，翻译耳机的更优解

收音的痛点被解决后，产品的最终效果就取决于翻译能力，其水准高低，核心就是对于翻译“快速与准确性”的经典权衡。

端到端语音同传大模型，即直接将语音信号一次性转换为目标语言，过程中不再需要“语音识别”、“文本翻译”等多步骤串联，将传统工作流革新为了“语音到语音”的解决方案。

因此当翻译链路被大幅简化后，再辅以蓝牙6.0低延迟以及专属同传服务集群缩短“排队”时间，讯飞AI翻译耳机的中英同传首响播报延迟低至2秒，大幅领先行业平均水准。翻译类硬件产品的延迟问题，在讯飞AI翻译耳机上得到了妥善解决，这亦是当下大模型改变传统产品体验的又一例证。

而针对翻译场景，端到端同传大模型的作用还不止于此。

同传过程中的核心难题是，逐字翻译能保证速度却语义零散，而逐句传译胜在连贯性，却又需要更长的等待时间，讯飞的端到端同传大模型再次给出了不同的使用体验。

原理上，讯飞同传大模型基于“意群”展开翻译。所谓“意群”，即“词”与“句”之间的翻译黄金单位，通过“意群”的切分，既能避免逐字翻译的生硬，也能保证核心意思不出现差错，是保证译文准确与流畅之间的最佳平衡点。

并且值得留意的是，讯飞最新的端到端同传大模型，已将主观体验提升至4.6分（满分5分），并在中英同传场景下新增“声音复刻”功能，仅需用户一句话，便可用自己的声音播报翻译结果。

最终落实到用户体验，讯飞AI翻译耳机离“双向实时翻译”再近一步，其摆脱了“你一句我一句”的机械式翻译场景，佩戴耳机的过程中，支持对话随时打断与回应，最大程度保证了用户之间的自然对话。换言之，同传大模型的复杂原理最终至简为了无感的跨语言对话。

具体到参数，讯飞AI翻译耳机共支持60种语言同传互译，并内置10万+专业词库，其中包括医疗、制造、金融、法律等高壁垒行业场景，因此不论是专业还是日常对话，都是讯飞AI翻译耳机的目标使用场景。

自研软硬件，讯飞AI翻译耳机的另一产品哲学

尤为关键的是，从硬件再到其背后大模型，讯飞AI翻译耳机均采用了全栈自研模式，相比市面上依托于第三方大模型的翻译类硬件产品，全栈自研模式是这款产品的另一关键产品力。

林会杰特别提到，针对骨传导等特殊信号，通用模型识别效果有限，而讯飞借助自研大模型，实现了与前端硬件的深度适配，确保了降噪后语音数据的高精度识别。

实现自研软硬件的协同适配，往往也是顶级科技公司的通用做法，苹果的iPhone即是典范：其自研A系列芯片与iOS系统构成了“软硬一体”的闭环生态，确保了系统资源的高效调度。相比之下，安卓阵营的芯片来源分散，其操作系统与多种硬件平台之间的适配就存在了更高的壁垒。

此外，借助软硬件的自研模式，讯飞AI翻译耳机能对用户反馈与需求作出快速迭代，并后续通过云端OTA不断完善耳机产品力，这也是使用第三方模型无法完成的体验。并且不容忽视的是，在使用翻译耳机的过程中，用户所产生的语音数据不会外传给第三方模型，在数据隐私保护上自研方案同样更具优势。

因此正如林会杰所言，“讯飞想要交付给用户的，不单单是具备大模型翻译能力的产品，更是一款拥有持续稳定体验、支持不断优化迭代的智能AI耳机产品。”

一款全面的“多语言耳畔智能体”

当产品配备强大的翻译能力后，其设计核心，即在于通过具体功能将此能力最大化。

讯飞AI翻译耳机支持通话场景，可实现跨洲际对话与多任务并行；而在面对面场景下，双方可各佩戴一只耳机并自动进行无按键、实时翻译；线上同传功能则兼具双语转译与录音复盘选项；旁听同传则可凭借5-8米定向拾音去适配会场需求。一句话概括，在强大传译能力的加持下，讯飞AI翻译耳机几乎覆盖了所有日常以及专业的同传场景。

翻译之外，这款耳机也拥有一系列AI功能，做到了“耳畔智能体”的产品定位。目前，讯飞AI翻译耳机已上线AI播客功能，支持用户上传文档或文章链接，耳机能够以风趣的聊天语气播报文章内容，而当用户语音唤出“小飞”时，耳机即可实现口语陪练、资讯查询等多元服务。

而回归到耳机本身，讯飞AI翻译耳机采用钛丝支撑与黄金重心设计，单耳仅重11.5g，经过实测，即便长时间佩戴后也能保证舒适与稳定性，外加动态音效调节、以及最长42小时的续航时间，因此即便作为日常开放式耳机佩戴，讯飞的这款AI翻译耳机也给出了不俗表现。

在界面新闻与林会杰的沟通中，其坦言，讯飞对于翻译耳机的终极构想是“更准、更快、更自然”，在自研多感融合降噪系统、端到端同传大模型以及AI等技术的加持下，这款全新的AI翻译耳机，就是讯飞实现无感自然、随听随译这一愿景的最新答案。

更深远意义在于，讯飞AI翻译耳机也不仅仅是那个最新答案，同样亦是一把由技术构筑的钥匙，承载着顶级科技公司对于“无界未来”的期许，相信终有一天，这把钥匙会打开那扇阻隔文明交流的古老大门。