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

本文来源：时代周报 作者：朱成呈

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。

根据中国翻译协会《人工智能与翻译报告》，AI翻译技术已从实验室走向大规模商用，广泛应用于跨境商贸、文化交流、教育医疗等领域。截至2024年底，中国“机器翻译”或“人工智能翻译”企业增至1545家。AI翻译技术加速融入多模态场景，智能翻译设备如翻译耳机加速涌现。

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。

深圳时空壶技术有限公司（下文简称“时空壶”）成立于2016年，致力于融合人工智能与硬件技术，开发突破语言障碍的AI翻译产品。据悉，其产品已销往全球171个国家和地区，覆盖全球73.39%的区域，拥有超20万用户和4300多家行业客户。

自研模型约占一半

时代周报：目前时空壶的翻译耳机支持多少种语言的互译？

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。

比如，某些本地化语言，如泰语或日语，可能连谷歌、微软这样的大公司都做得不够好，我们会针对这些语言自研或优化模型。对于达不到我们标准的语言，哪怕竞品宣称支持100多种语言，我们也不会上线，因为用户体验是第一位的。

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。

时代周报：在自研模型和第三方模型的使用比例上，大概是怎样的情况？

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。

时代周报：时空壶发布了Bable OS系统，为什么一个翻译设备需要专门开发一个系统？它在其中起到什么作用？

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。

此外，时空壶还计划开源部分纯文本翻译模型，支持几十种语言，保持高准确率。这不仅是为了促进行业发展，也因为我们从开源社区受益匪浅，希望回馈产业，共同进步。

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？

石伟：用户隐私是我们非常重视的。我们从一开始就承诺，服务器不保留任何用户数据。未来可能会推出用户改善计划，允许用户自愿提供脱敏数据，但目前还未实施，客户端数据也由用户自行管理。训练数据主要来自三方面：一是公开渠道，比如网络爬虫获取的数据，经过多年清洗和标注提升质量；二是通过大模型蒸馏，利用大模型的翻译能力生成高质量数据；三是与全球数据公司或众包机构合作，由人工标注生成接近人类水平的高质量数据。这些数据分阶段积累，确保模型性能不断提升。

核心为双向实时同传

时代周报：与科大讯飞等竞品相比，时空壶的核心竞争力是什么？

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。

这需要突破两大技术难点：一是全双工通信，确保双方可以随时打断对方讲话，像自然对话一样；二是解决串音问题，避免对方声音干扰识别。这两点是我们从2016-2017年原型机开发到2019年产品成熟的关键突破。

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。

时代周报：时空壶的核心用户群体是哪些？是会议场景，还是旅游、移民、教育等场景？

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。

时代周报：在To C和To B市场上，时空壶如何权衡优先级？

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。

时代周报：时空壶是否计划自研AI眼镜，或将双向实时同传技术融入其他品牌的AI眼镜？

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。

我们的核心技术是实时双向同传，不局限于耳机这一硬件形态，而是希望适配不同场景和设备，比如眼镜或颈挂式设备。但AI眼镜的使用场景与耳机不同，眼镜更适合单向信息接收，比如听讲或看实时字幕翻译，而双向交流需要双方都佩戴设备，这在实际场景中概率较低。因此，我们会继续探索合作或自研。

赛道远未成熟

时代周报：翻译不仅是语言的转换，还是文化的重构。你如何看待翻译耳机在处理“语境”、“语气”、“幽默”甚至“禁忌词”时的能力与局限？

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。

时代周报：你如何看待翻译设备这一赛道的成熟度和潜力边界？

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。

时代周报：如果翻译技术足够成熟，我们是否还需要学习外语？你怎么看“技术替代语言学习”这一趋势？

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。