法国人工智能研究机构Kyutai最新推出突破性语音互译系统，该系统基于多流Transformer架构，可实现高保真度的实时语音到语音翻译。该技术突破传统文本中转翻译模式，直接在声学层面进行跨语言转换，并保持原说话者的音色、语调和情感特征。其核心技术采用并行编码-解码框架，通过自注意力机制捕捉长程语音依赖关系，延迟控制在500毫秒内达到商用级标准。目前该系统支持英法德等8种语言互译，在LibriSpeech测试集上取得98.2%的语义准确率，显著优于Google的Translatotron方案。该成果已预发表在arXiv平台，预计将重塑跨国会议、实时影视翻译等应用场景。