Hibiki-Zero模型官网使用入口，30亿参数的同步语音到语音翻译模型

Kyutai实验室正式发布Hibiki-Zero——一款具备30亿参数的同步语音到语音翻译模型。该模型凭借创新训练范式，彻底摆脱对词级对齐数据的依赖，仅通过粗略句子级对齐，即可实现高质量、低延迟的实时翻译，且原生支持跨语言音色迁移，为实时语音翻译领域提供了全新解决方案。

Kyutai模型功能特点：

1、监督预训练：

基于合成数据构建多语言数据集（覆盖法语、西班牙语、葡萄牙语、德语至英语的翻译方向），仅依靠句子级对齐数据开展监督学习，快速搭建基础翻译模型框架，降低数据依赖门槛。

2、GRPO强化学习优化：

引入全新强化学习技术——组相对策略优化（Group Relative Policy Optimization, GRPO）。该技术以BLEU指标为基础设计过程奖励，让模型自动学习最优“读写”策略，即精准判断“听到多少上下文后启动翻译”，在保障翻译质量的前提下，显著降低端到端延迟。同时，通过单一超参数即可灵活调控模型在翻译质量与延迟之间的平衡，适配不同场景需求。

Kyutai模型性能介绍：

1、主观评价：

相比基线模型Seamless及前代Hibiki，模型在跨语言说话人相似度上实现显著提升，具体数据：

法语→英语：音频质量64.5分、说话人相似度70.0分、语音自然度67.2分。

西班牙语→英语：音频质量66.8分、说话人相似度69.0分、语音自然度66.2分。

2、客观指标：

模型在提升翻译准确性的同时，成功实现延迟优化，核心数据：

法语→英语：BLEU值30.6，平均延迟6.1秒。

西班牙语→英语：BLEU值32.3，平均延迟5.6秒。

Kyutai模型核心优势：

1、高效批处理推理：

推理阶段采用简单温度采样策略，天然支持批处理操作；在单张H100GPU上，批处理推理速度可达实时速度的3倍，兼顾高效性与实用性。

2、强大新语言适应能力：

模型具备极低成本的新语种扩展能力——研究团队仅使用不到1000小时意大利语语音的句子级对齐数据集，通过“监督微调+GRPO强化学习”的标准化流程，即可快速训练出具备竞争力的意英翻译模型，大幅降低新语种适配的成本与复杂度。

进入Hibiki-Zero模型官网入口