本文介绍了 CSSEL-P2P，这是一种数据驱动的同时语音翻译方法，避免了仅解码器 LLM 系统通常所需的脆弱架构更改和显式读写策略。该方法利用固定长度的块进行累积流式解码，结合基于回滚的已提交前缀、教师标注的前缀到前缀目标以及用于微调的有界等待。

  • CSSEL-P2P 在可比延迟（+0.15s Average Lagging）下，流式质量比 CSSEL 流式基线提高了 +1.54 COMETKiwi。
  • 该方法解决了对话语音中分段边界模糊的挑战，为复杂的架构修改提供了有效的替代方案。

这表明，通过前缀到前缀的监督，无需对模型进行结构性更改即可有效实现同时语音翻译。