华盛顿大学博士生陈托超在墨西哥博物馆参观时，因环境噪音导致翻译应用效果不佳，这一经历激发了他与研究团队开发新型翻译技术的灵感。近日，陈托超及其团队设计了一套耳机系统，可同时翻译多个说话者的语音，并保留人声方向和音质，为跨语言交流提供了新的解决方案。

该系统名为“空间语音翻译”，利用配备麦克风的现成降噪耳机，结合团队研发的算法，能够分离空间内不同说话者并跟踪其移动。该系统能以2-4秒的延迟翻译语音，并在移动设备上保持说话者声音的表现力和音量。团队于4月30日在日本横滨举行的ACM CHI计算机系统人为因素会议上展示了研究成果，并公开了概念验证设备的代码。

“其他翻译技术往往基于单人说话的假设，”华盛顿大学保罗·G·艾伦计算机科学与工程学院教授Shyam Gollakota表示，“但在现实世界中，与多个人对话时，仅用一个机器人的声音显然不够。我们的系统首次保留了每个人的声音及其来源。”

该系统具有三项创新。首先，它能检测室内或室外空间中的说话者数量，算法像雷达一样360度扫描整个空间。其次，系统在翻译语音时，能保持每个说话者声音的表现力和音量，且避免使用云计算以保护隐私。最后，当说话者移动头部时，系统会持续追踪其声音方向和音质的变化。

在10种室内外环境下的测试中，该系统均能正常工作。在一项29人参与的测试中，用户更倾向于选择该系统而非其他无法追踪说话者位置的型号。此外，大多数用户更喜欢3-4秒的延迟，因为更短的延迟会导致更多错误。团队正在努力降低未来的翻译延迟。

“这是朝着打破文化间语言障碍迈出的一步，”陈托超表示，“即使我不会说西班牙语，走在墨西哥的街道上，我也能翻译所有人的声音，了解对话内容。”

该系统的研究团队还包括华盛顿大学艾伦学院本科生Qirui Wang和博士生Runlin He，他们共同为这一创新技术的诞生做出了贡献。

更多信息： Tuochao Chen 等，《空间语音翻译：利用双耳可听设备进行跨空间翻译》，2025 年 CHI 计算机系统人为因素会议论文集(2025)。