Gradium、stt-translateとs2s-translateを発表：GPT Realtime Translateを精度とレイテンシで上回るリアルタイム音声翻訳モデル

Gradiumは、音声からテキストへのstt-translateと音声から音声へのs2s-translateという2つのリアルタイム音声翻訳モデルをリリースした。対象言語は英語、フランス語、ドイツ語、スペイン語、ポルトガル語の5言語で、20の言語ペアをカバー。従来の3モデルカスケードを2段階に圧縮し、BLEUおよびMetricX指標でGPT Realtime Translateを凌ぎ、平均レイテンシは3.0秒（Geminiの2.9秒に僅かに及ばず）でありながら、出力音声の選択やクローンも可能。