В статье представлен CSSEL-P2P, подход на основе данных для одновременного перевода речи, который избегает хрупких изменений архитектуры и явных политик чтения/записи, часто требуемых системами LLM только с декодером. Метод использует блоки фиксированной длины для кумулятивного потокового декодирования с зафиксированным префиксом на основе перемотки, в сочетании с целевыми данными prefix-to-prefix, размеченными учителем, и ограниченным ожиданием при дообучении.

  • CSSEL-P2P улучшает качество потоковой передачи на +1.54 COMETKiwi по сравнению с базовым потоковым вариантом CSSEL при сопоставимой задержке (+0.15s Average Lagging).
  • Подход решает проблемы в разговорной речи, где границы сегментации неоднозначны, предлагая эффективную альтернативу сложным изменениям архитектуры.

Это демонстрирует, что одновременный перевод речи может быть эффективно достигнут через prefix-to-prefix обучение без необходимости структурных изменений модели.