以实用主义重铸巴别塔，时空壶终结面对面翻译焦虑

在全球贸易加速发展的今天，无障碍交流是成交的第一步。基于AI技术的发展，谷歌等巨头推出了相关翻译耳机产品，众多创业公司也在这个新兴赛道角逐。

但尴尬的是，AI翻译耳机在相对安静的办公室等场景可能是“神器”，只是一旦置身于真正的嘈杂环境，它的表现就会立刻跌回“骨感现实”，各种技术短板和设计缺陷会被无限放大，让人又爱又恨。

这几天正值德国柏林国际消费电子展（IFA）期间，吸引了超过100个国家的展商参展和观众，他们在嘈杂的展馆里说着不同的语言，AI翻译耳机就成了许多展商和观众之间沟通的纽带。但从实际的体验来看，多数的产品都不合格。

“光看到对方嘴巴动，但翻译耳机里什么声音都没有”，“我明明是在听工作人员介绍电视产品，不知怎么耳机里突然翻译起相邻展台大喇叭广播的产品展示节目预告”。

对话节奏错乱、聊天效率低，可能还不如自己的散装英语更容易交流理解，估计是很多用户都遇到过的糟心事。难道就没有一款能同频交流的翻译产品吗？答案当然是有。

图片来源：新闻联播

此前曾登上过《新闻联播》的深圳创业公司——时空壶，也来到了IFA的舞台，并发布全新一代产品W4 AI翻译耳机，骨声纹新技术的应用，加上内置的Babel OS，带来无感且精准的面对面翻译体验。

“九年来，我们一直是站在解决问题的角度去专注做好跨语言交流这件事”，时空壶创始人田力对作者说道，“现在的产品体验可能只有70多分，我们下一步就是把它做到80多分、90分，就像L4级别的自动驾驶一样，解放更多人对语言的恐惧，届时会创造出巨大的商业价值和社会价值。”

跨语言交流，面对面翻译为何“力不从心”

71年时间，从最早的“机翻”到现在的AI翻译，我们看到了翻译产品的技术进步，现如今各种AI翻译耳机产品也层出不穷，价格从百元到千元不等。AI大模型的加持，更是让几乎每一款产品都宣称能够做到无感翻译。但是，现实往往会让很多满怀期待的用户失望。

不仅仅是上文提到的IFA这种上万人同在的嘈杂展会，工厂、火车站等复杂环境下都是如此，多数用户的期待都与实际体验成反比，要么延迟，要么收音不准，要么翻译地很生硬，导致在跨语言交流时“社死”，还有可能错过商务大单。

田力透露，当时也正是因为这样的原因，才决定创业专注去解决跨语言交流问题。“我爸妈当时去欧洲旅游，也遇到了很多的语言障碍。当时单纯觉得有这么多的翻译软件，但是不管是出国旅行，还是跨国会议，甚至你想谈恋爱，跨语言交流都如此地困难，所以就决定来尝试解决这个问题。”

其实，AI时代，机器翻译已经提升了很多，但要做到母语感的交流，还有较长的一段路要走，关键很多人还都跑错了方向。要做到面对面每一句都到位地翻译，首先要解决的不是翻得准的问题，而是听得清的难题。

众所周知，一般在面对面交流时，外部的多个声源可能都会被收取，这种干扰导致后续的翻译不准确。田力直言，“比方说咱们俩在这说话的时候，别人叽里呱啦其实对我们是没有干扰，你可以当耳边风，但机器没办法，机器一大堆声音全录进来的时候，它就可能乱七八糟的识别和翻译了。”

目前，市面上虽然也有翻译耳机具备降噪功能，但更多的是ENC降噪，降低的是环境杂音，无法剔除掉旁边人说话的声音，就算后续翻译得再准，也都是徒劳。要做到真正地面对面翻译，就必须要能准确收取真正需要的声音。

听清之后，才是对准确度和速度的考验，这同样是一块难啃的硬骨头。现在，AI翻译基本上是已经能识别世界上所有的主流语言，但区别于人工同传，机翻的结果往往很生硬，并不是用母语的交流方式去翻译，有时还会闹笑话。比如我们在点菜时，通常会指着菜单说“我要点这个”，一些设备直接将“点”直译为“click”，而不是“order”，更别说其他复杂的中文梗了。

田力指出，“语言是人能说出来的大部分智慧的承载体。NLP（自然语言处理）被誉为人工智能的皇冠明珠，如果只是看图识物，或者在图里边取出一个字，这个很准。但是你的说话习惯、语速、口音、很多的个性化东西揉在一起还能100%准确，这反而是非常难。”

将L3同传变成现实，被一家中国公司先做到了

用户购买翻译产品，不是为了看起来酷炫，而是为了解决场景化使用问题。在业界的分级体系中，AI翻译被分为L1-L5五个级别，L1就是文本翻译，L2是语音的交替翻译，双方一来一回，这两个级别的产品已经较为普遍。L3则是语音同声传译，就是解决上文提到的在嘈杂环境下面对面翻译的问题，也是全行业一直在突破的方向。

我们在IFA上发现，其实L3级别的技术，已经被时空壶率先突破了，解决了听得清和翻得准的问题，给出的样本答案更是登上了《新闻联播》。

为了解决降噪的问题，时空壶换了个思路，不是“消音”，而是“识人”。从《新闻联播》的报道中我们得知，时空壶工作人员研发了一套技术算法，利用矢量降噪技术，收取应该收取的声音，并奔走在深圳的大街小巷、社区商圈，为的就是收集嘈杂环境下的各项数据，最终找到消除噪声、杂音的办法。

田力表示，降噪也有限制，需要找到一个平衡，在降噪过程中要尽可能保证音质是非常原汁原味的，这个事情就需要我们工程人员和算法人员大量地去调、去训练一个模型。

据悉，时空壶矢量降噪技术发明于2020年，并在2021年首次搭载在W3上，去年发布的W4 PRO进一步升级为三麦VNC，使得抗干扰能力进一步提升。在《新闻联播》的画面中可以看到，即便在地铁这样嘈杂的环境下，佩戴者的声音依然可以被准确识别和传输。

而刚刚发布的W4更是采用了全新技术架构，在矢量降噪的基础上增加了骨声纹技术，通过人们说话时，音频震动带动的耳骨震动实现声音的收取识别，持续降低环境噪音。双方都能较快地、实时地听到对方的翻译结果，并且可以随意插话、同时说话，就像是随身携带一个专属翻译一样。

听得清后，时空壶还在翻得准、翻得快上更进一步。为了做到母语感的交流，时空壶内置了AI大模型，能自动关联上下文语境，判断歧义词的含义。《新闻联播》中能看到，为了将翻译延迟时间尽可能缩短，时空壶还经常请来一些顶尖译员交流。

时空壶W4升级搭载了全新升级的Babel OS 2.0翻译系统，支持42种语言和95种口音，13组语言对离线翻译，0.2秒响应速度，3秒翻译延迟，像人一样先理解对话的语境，再用最自然、贴切的方式翻译表达，平均准确率提升至98%，做到真正的面对面自然沟通。

截至目前，时空壶已经推出多款L3级别的AI翻译产品，用户可以根据自己的需求去选择，在展会现场这样的嘈杂场景中，跨语言交流再也不是障碍，轻松实现母语感交流。

以实用主义重铸巴别塔

优秀的公司不是技术上的自嗨，而是能真正解决用户的场景难题。在田力看来，每一次技术尝试和产品突破，都会理性去判断这件事到底对于用户来说有没有价值。

时空壶在跨语言交流上的惊艳，是其过去9年创业史的缩影，自创立至今，每一代产品都在聚焦实际的场景，为行业带来新的变化。而被《新闻联播》称之为“外贸小公司”的这家企业，目前产品已经远销全球170多个国家和地区，北美市场占有率超40%，过去三年销量年均100%的增长，并拿到了100多项全球专利认证。

在混沌的环境中，时空壶的成功不是偶然，持续领先的背后是一群年轻人对技术的坚守。据悉，时空壶现在有100多人，一半都是研发人员，每年收入的20-25%都会被拿来投入研发。要知道，一般的消费电子公司的研发投入占收入比重普遍在5-10%，而时空壶的研发投入比重已经跟华为处在一个级别。

在田力的心中，持续的投入是必须的，探索者和专家是希望给消费者留下的品牌印象，同时也希望给用户传递更多的人文精神，让用户感觉到产品是有温度的，它不是一个简单的工具，而是一个人和人的沟通的连接器。

都说翻译是遗憾的艺术，时空壶在做的事，就是要终结这个遗憾，加速迈向L5级别AI翻译的路上，以实用主义重铸巴别塔，解决跨语言沟通问题。

“这个世界上不缺乏那种能卷的公司，但真正缺乏那种能原创做事情的公司。从用户的需求来看，产品和技术还远远没有达到理想状态，所以我们还在一个快速投入期。我们下一步就是把它做到80多分、90分，就像L4级别的自动驾驶一样，解放更多人对语言的恐惧。”（本文首发于钛媒体App）