构建“有灵魂”的翻译：如何利用Meta JEPA架构实现实时语音保真

Pinch Research 推出了基于 JEPA 架构的自监督音频编码器 JEPA-v0，旨在突破传统级联翻译（ASR+MT+TTS）丢失语气与情感的瓶颈。不同于重构音频细节，该模型通过预测音频块的抽象表示，有效捕获了音色、韵律和情感等副语言特征。虽然目前在语义识别上仍不及 Whisper，但在伪造音频检测和音乐描述上表现优异。这标志着语音翻译正从单纯的文字转换，向高保真的语音特征保留迈进。