說起時空壺，差友們應該不陌生了，畢竟之前差評君已經跟大家聊過好幾次這個做AI翻譯產品的品牌。
遠的不說，就在3個月前，我們舉辦了一場別開生面的“人機大戰”，作為AI翻譯代表出征的時空壺AI同傳耳機，就讓大家看到了其不同於人工同傳的優勢。
但您猜怎麼著，前幾天我刷影片的時候猛然發現，時空壺居然上了新聞聯播，並且播了得有近4分鐘。
咱們都知道新聞聯播一般也就播個30分鐘，如果不是在經濟、文化和科技等領域有突出表現的企業，不太可能有這麼長的報道篇幅。
不兒，哥們這麼有實力的嗎？
正好咱們前陣子剛聊過9.9美刀的AI翻譯耳機，以及接下來蘋果也將會給AirPods上即時對話翻譯功能。
要不趁著這波熱度，咱們一起到時空壺那裡看看，他們到底和市面上一眾“即時翻譯耳機”有啥區別，憑啥能上新聞聯播？
於是我和同事們一起來到了時空壺位於深圳南山的“老巢”。
到了他們公司後，我二話不說就開始嘎嘎體驗產品。
然後我就發現，
雖然都叫“即時翻譯耳機”“AI翻譯耳機”，但是時空壺跟我之前體驗的其他產品，完全就是兩個東西。舉個很典型的例子：其他產品在翻譯時，但凡你普通話不是很標準，把“人工同傳”說成“人工同床”，它就沒法給你識別和糾錯。相比之下，時空壺就能給你翻譯準確。
其他翻譯耳機的APP介面
那對於這種體驗上的差異，時空壺又是怎麼看的呢？
一方面，他們覺得目前市場上的翻譯產品，在能力上還是參差不齊，需要有個統一的標準來劃分技術等級，不然會把本就不太成熟的AI翻譯市場給玩壞。
另一方面，時空壺之所以在翻譯準確度領先別人，也是因為他們更新了大模型翻譯技術。
先說第一點，他們目前已經在跟同傳領域的專家和學者們，一起研究搞AI翻譯技術分級。
具體怎麼去分級呢？
他們參考了自動駕駛的分級標準，也是劃分了L1到L5五個等級。
其中L1是最基礎的文字翻譯，相當於你自己查電子詞典，效率是最低的，延遲大概數十秒。
L2是從文字翻譯進化為語音翻譯，比如手持翻譯機、帶翻譯功能的藍牙耳機，可以給你播放語音翻譯，延遲大概十多秒。
L3已經是語音同傳翻譯了，在能力上非常接近人工同傳，基本能做到5秒延遲，可以讓對話雙方實現自由地交流。
時空壺給自己目前的定義就是L3級別。
L4進化為高階譯員同傳翻譯，如果說L3是接近人，那麼L4就是等同於人，到了這個級別，它能夠把你的語氣和情緒都給翻譯出來。
比方說，你說話的時候是帶著疑問還是憤怒，這些都可以在翻譯結果中體現出來。
而L5就屬於是超越人的範疇了，它可以基於多模態能力去觀察你想要表達的意思，比如你的表情，或者是你過去積累的一些表達習慣。
這個東西就相當於一個會“察言觀色”的智慧助理，真正的賈維斯了屬於是。
如果這個翻譯技術分級能真正落地，我覺得對於行業和消費者都是件好事。
有了分級，行業不再是一片混亂，想要割一波就走的企業沒法渾水摸魚；而消費者也能清楚自己花錢買到的產品到底是個什麼水平。
再來說說，他們的大模型翻譯技術是如何去提升準確度的。
產品經理跟我說，過去的機器翻譯無法理解語義和語境，主要依賴逐字直譯，不僅沒法識別各種語氣詞、停頓詞和重複詞，還容易鬧出一些笑話。
比如在點菜這個場景下，傳統機器翻譯由於沒法很好地識別“點”的意思，會給你翻譯成英語的“Click”，變成點選的意思。
對於這些問題，他們開發了全新的AI同傳翻譯大模型，並且國內也會接入豆包和DeepSeek等大模型。
在大模型的加持下，它能像人工同傳那樣，根據當下的主題和背景，聯絡上下文，分析對話的主旨，把你想要傳達的真正意思翻譯出來。
時空壺已經從以前的直譯進化為意譯了。
比如，同樣是“同傳”和“同床”的問題，時空壺就可以結合你的上下文，知道你當前聊天的內容與同聲傳譯有關，從而對翻譯內容進行糾錯。
在聽懂人話、傳達你的真正意圖這件事上，時空壺無疑又先於同行們邁出了一步。
而在跟他們聊了一下午後，我算是明白了，他們的成功秘訣就是：
願意在自己看好，但別人不看好的領域，投入大量的精力和技術，然後埋頭苦幹。
更具體的，咱們接下來再好好嘮嘮。
說起當時為啥會想到做AI翻譯耳機，時空壺的創始人田力表示，其實一開始他也沒想到去做這個東西。
2016年的時候他意識到AI技術是未來，於是從華為出來創業後，就想著朝AI應用這個方向發力。
一次偶然的機會讓他發現過去的翻譯產品始終存在侷限性。
他的父母有次去歐洲旅遊，雖然他提前幫父母下載了很多翻譯軟體，但當他媽媽在阿爾卑斯山突發高原反應時，卻無法透過翻譯軟體跟說法語的醫生進行很好的交流。
後來，他也自己嘗試著使用翻譯軟體去跟老外交流，結果發現這種按著說話、鬆開翻譯，只能你說一句、我說一句的翻譯體驗，壓根沒法實現長時間的對話。
過往的這些經歷和觀察，讓田力意識到，即便翻譯技術在當時已經非常成熟，但是在具體的對話場景中，兩個說著不同語言的人壓根沒法很自然地交流。
在找到了場景痛點後，田力就著手組建團隊開發產品。
但剛開始做，他們就碰了一鼻子灰。
原本他們的想法很簡單，就是把一個翻譯軟體直接塞進藍牙耳機。
至於具體的實現方案，他們覺得能在深圳找到合適的方案供應商，畢竟在電子產品這塊，華強北啥都能給你搓出來。
然而事實證明，他們當時選擇的是一條無人走過的賽道，行業也沒有可行性方案供他們選擇。
於是他們剛開局就遇到了行業的第一大難題：通訊。
是的沒錯，跟很多人想的不一樣，做AI翻譯耳機最難的還不是AI，而是通訊技術。
那它難在哪呢？
是這樣的，他們一開始設想的場景是，兩個人各戴一隻耳機進行交流。
但在產品開發階段卻發現，標準的藍牙耳機走的是單通道錄音，壓根不支援兩隻耳機同時錄音。
也就是說，兩個人各戴一隻耳機對話時，只有一個人的聲音能被錄進去。
這樣一來，他們的設想就失去意義。
估計當年大廠們圍坐一起討論藍牙協議的時候，也沒想到多年後會有一家初創企業有如此瘋狂的想法——基於藍牙協議去做多人錄音。
聽他們說，當時甚至還找了高通和海思等晶片廠商的工程師諮詢，但都沒有一個很好的解決方案。
由於沒有先例，行業裡也找不到現成的解決方案，所以時空壺只能夠自己搞。
他們從2017年開始自研通訊技術，經過4年的埋頭苦幹，終於在2021年釋出的時空壺W3上，實現了兩隻耳機同時錄音的“雙向通訊”技術。
但你以為搞定通訊技術就夠了嗎？
顯然不是的。
因為他們發現AI翻譯耳機要提升溝通效率，還要解決另一個難題：錄音降噪。
簡單來說，當兩個人各戴一隻耳機進行交流時，你的聲音很容易串到對方的耳機裡，對方的聲音也是如此。
同時，環境的雜音也容易對錄音效果造成影響。
而翻譯耳機不同於普通耳機，它對於聲音的質量有更高的要求。
正在進行降噪測試的W4 Pro
因為機器需要對聲音內容進行識別並翻譯，而機器對錯誤聲音的容錯率比人耳低，畢竟咱們可以靠自己腦補嘛。。。
對於這個問題，市面上的一些翻譯耳機搞了個“土辦法”，那就是用手動控制的方式，來避免兩個耳機出現串音——
打個比方，兩個人在交流時，需要一個人按下按鈕講完話後，另一個人才能在耳機聽到翻譯結果，然後接著同樣的操作進行交流。
“這種類似交替翻譯的形式，溝通效率是非常低下的，甚至不如你用傳統的翻譯APP。”時空壺的產品經理這麼跟我說道。
相對而言，時空壺的解決方案是，給耳機用上三麥克風陣列+向量降噪技術。
相當於透過演算法判斷聲音的方向和距離，確保只錄入佩戴者的聲音，然後對其他無關的聲音進行抑制。
這樣哪怕是周圍環境非常嘈雜，耳機也只會收到你自己的聲音。
那實際效果是不是有他們說的那麼牛X呢？
我們也替大家試了一下。
即便是在耳機旁邊播放動感舞曲和增加人聲干擾，經過降噪處理後，它也能保證只錄進佩戴者的聲音，消除掉其他噪音。
除了溝通效率的問題外，產品經理跟我說，準確度和延遲也算是行業內的技術難點。
關於準確度，咱們開頭已經聊過了，這裡就不再囉嗦了。
而說到延遲，產品經理表示：過去的文字翻譯，只要網路好，它甚至可以做到零點幾秒給你出結果，並且還能不斷地根據上下文去調整翻譯結果。
但是語音翻譯不行，因為語音一旦開始合成播放，它沒法像文字一樣隨時糾正，這就導致了在快速地播放翻譯結果時，大機率會出現翻譯結果越來越歪的情況。
所以你會看到，目前市面上的很多AI翻譯耳機，為了保證準確率，它都會等你說完一整段話後，才開始出語音翻譯結果。
為了解決這個問題，他們搞了個叫做AI語義判斷的技術。
讓AI即時判斷每句話的語義，一旦它覺得你這句話的意思不會發生改變了，那麼它就會開始輸出語音翻譯結果。
按照他們的測試結果，行業內其他家能做到的最低語音延遲也就是十幾秒。
相比之下，時空壺是已經做到了5~8秒的平均延遲，跟人工同傳大概3秒左右的翻譯延遲相比，算是很大的進步了。
總之，跟他們這麼一頓聊下來，我感覺做好一個AI翻譯耳機，遠沒有大家想的那麼簡單。
市面上類似的產品千千萬，但實際想要搞好體驗，藍牙通訊、錄音降噪、翻譯引擎、語義判斷。。。等等等等，每一座“大山”都不好啃。
而時空壺作為開拓者，顯然給行業證明了這條賽道的可行性。
按照他們的說法，在AI翻譯裝置這個品類中，時空壺在北美亞馬遜的市佔率已經做到40%，過去3年裡他們實現了產品銷量年均100%的增長。
並且今年海關總署還將他們的產品，作為2024年“中國製造升級”案例進行展示。
圖片來自深視新聞
可以說，時空壺已經成為AI出海企業的標杆。
從攻克各種技術難關，建立技術壁壘，再到提出翻譯分級標準，時空壺確實貫徹了他們創始人的創業哲學——
“在混沌中尋找出路才是小公司的出路。”
目前來看，他們的出路似乎已經找到，但隨著他們不斷探索AI翻譯領域的“無人區”，面臨的挑戰也會越來越多。
這裡咱也只能祝願他們能夠一路披荊斬棘了。
撰文：粿條
編輯：米羅
美編：煥妍
圖片、資料來源：
時空壺、央視新聞