谷歌AI官方博客***博文中向我们介绍了一项实验性质的新系统--Translatotron，它能够直接将语音翻译成为语音，中间不再需要任何文本。在博文中写道：“Translatotron是***能够直接将一种语言的语音翻译成为另一种语言语音的端到端模型。”
谷歌表示当前的翻译系统分为三个步骤：自动语音识别，将语音转换为文本；机器翻译，将文本转换为另一种语言；***是文本转语音（TTS）合成，也就是将翻译好的文本生成语音。在这三个步骤衍生出了Google Translate等服务，不过这家科技巨头希望通过一个模型就实现语音的翻译，而不再需要借助文本这个中间步骤。
Google AI软件工程师Ye Jia和Ron Weiss表示：“该系统名为Translatotron，这个系统避免了将任务分成不同的阶段。”谷歌表示这意味着更快的翻译速度和更少的转译错误。该系统使用频谱图作为输入并生成频谱图，同样依赖于神经声码器和扬声器编码器，这意味着系统在翻译后保留说话者的声音特征。
