Translation(翻译)是将一种语言的文本或语音转换为另一种语言的过程,在 AI 时代主要指由机器翻译和大语言模型驱动的自动翻译技术,正处于从传统统计/神经网络模型向 LLM 驱动方案过渡的阶段。近期该领域在应用落地、语音实时翻译、低资源语言和翻译质量评估等方向均有密集进展。
机器翻译近期进展
当前焦点与观察点
低资源语言的翻译质量仍是核心难题。一项 2026 年 10 月的研究表明,即便在大模型时代,回译(back-translation)配合单语数据依然能显著提升低资源机器翻译效果,说明传统数据增强手段并未被 LLM 完全取代。Back-Translation Still Matters
质量评估是另一个争议点。Apple 的研究指出,用大模型做翻译质量标注时,人类和模型都面临挑战,双方的一致性并不理想,这意味着自动评测基准的可靠性仍需谨慎看待。Large Language Models for Machine Translation Quality Annotation
应用层面,实时同传工具竞争加剧,2026 年已有测评对主流 AI 实时翻译工具按延迟、支持语言和定价做横向比较,帮助用户在会议、旅行等场景选型。Top 12 AI Live Translation Tools in 2026: Latency, Languages, Pricing
总体来看,translation 正在经历从“翻译模型”到“翻译能力嵌入通用大模型”的转变:大厂推出独立翻译应用,小参数量语音翻译模型走向端侧,学术界则在低资源、专业领域和质量评估三个方向补齐短板。后续值得观察的是翻译质量自动评估标准能否收敛,以及实时语音翻译的延迟与准确率能否同时达到商用门槛。