上一篇
Ovis1.6是什么？一文让你看懂Ovis1.6的技术原理、主要功能、应用场景
Gummy是什么？一文让你看懂Gummy的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
Gummy概述简介
Gummy是通义实验室在2024年云栖大会上推出的端到端语音翻译大模型。模型能实时流式生成语音识别与翻译结果，支持包括中文、英语、粤语、日语、韩语、法语、德语、俄语、意大利语、西班牙语等十余种语言的语音输入，将其翻译成目标语言。Gummy模型通过端到端的方式，减少翻译延迟，提高翻译质量，在多个测试集上取得SOTA（State of the Art）的结果。Gummy支持多语言混翻、术语干预与领域提示等商业化落地的能力，能在跨国会议等场景中无需指定源语种，流畅地将各国语言翻译至目标语种。
Gummy的功能特色
多语言支持：Gummy能处理包括中文、英语、粤语、日语、韩语、法语、德语、俄语、意大利语、西班牙语等十余种语言的语音输入，实时翻译成目标语言。
端到端翻译：与传统的级联系统不同，Gummy采用端到端的设计，直接将语音翻译成目标语言，无需依赖中间的文本阶段。
低延迟翻译：Gummy的翻译延迟被降低到0.5秒以内，比人类专家的同传延时还要快。
高质量翻译：在多个业界公认的开源测试集上，Gummy取得SOTA（State of the Art）的翻译质量结果。
流式翻译：Gummy支持随说随翻，即边听边翻译，适合实时交流的场景。
Gummy的技术原理
端到端设计：Gummy模型通过端到端架构，将源语言的语音输入映射到目标语言的文本输出，简化开发流程并提高了系统性能。
深度神经网络：基于深度学习技术，尤其是深度神经网络，学习语音到文本的复杂映射关系。
实时流式处理：支持实时语音识别和翻译，实现边听边翻译。
wait & predict机制：模型内部采用特殊机制，自动判断翻译时机，优化翻译质量和延迟。
Gummy项目介绍
项目官网：tongyi.aliyun.com，目前语音翻译大模型Gummy部分功能已上线通义APP可下载体验。
Gummy能做什么？
实时语音翻译：Gummy模型能实时翻译会议中的发言，为国际会议、多语言谈判等提供同声传译服务。
教育和培训：在教育领域，Gummy辅助语言学习，提供多语言教学内容的实时翻译，帮助学生和教师跨越语言障碍。
旅游和导航：为旅行者提供实时语音翻译，帮助他们与不同语言的当地人交流，或在导航时提供多语言指引。
客户服务：在客户服务领域，Gummy作为多语言客服助手，提供快速准确的语言支持，提升客户满意度。
医疗咨询：在医疗领域，Gummy提供多语言的医疗咨询翻译服务，帮助医生和患者之间的沟通。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Algomo
Algomo 是一款由生成式 AI 驱动的聊天机器人，可以自动化和优化您的客户和员工支持。它可以将您的支持文章、过去的对话、Slack 频道、Noti...
Lalal.ai
LALAL.AI是一款下一代音乐分轨器和人声消除器，采用世界一流的AI技术，快速、简便、准确地分离音乐的不同部分。无损地去除人声、乐器、鼓、贝斯、钢琴...
destinymatrix cc
使用destinymatrix.cc揭示您的命运矩阵。通过这种个性化的分析，发现对您的人生道路，人际关系，职业和潜力的见解。开始您的自我发现的旅程，并...
cool coloring pages 1
用凉爽的着色页创建令人惊叹的着色页 - 领先的AI着色页生成器。借助我们易于使用的平台，您可以立即毫不费力地创建独特的个性化着色页。让AI技术彻底改变...
AIGUR
AIGUR是一款为团队提供生成式AI的产品。它提供了无代码编辑器，可以快速创建生成式AI流程，支持预定义模板和自定义配置。团队成员可以在无代码编辑器中...
Smolagents
Smolagents是一个轻量级的库，允许用户以几行代码运行强大的智能代理。它以简洁性为特点，支持任何语言模型（LLM），包括Hugging Face...
iTextMaster
iTextMaster是一个强大的智能PDF交互工具，可以让您与任何PDF文档进行智能对话。它利用先进的AI技术，可以快速回答问题、提供文档摘要和精确...
AI Music
AI Music FM 的 AI Music Generator是一个利用人工智能技术的音乐创作工具，它能够根据用户输入的文本、图像或歌词，生成不同风...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
