Speech-to-speech translation (S2ST) to technologia umożliwiająca bezpośrednie tłumaczenie wypowiedzi ustnych z jednego języka na inny w czasie rzeczywistym. Proces ten zazwyczaj integruje trzy etapy: automatyczne rozpoznawanie mowy (ASR), tłumaczenie maszynowe (MT) oraz syntezę głosu (TTS), co pozwala na płynną komunikację głosową między osobami posługującymi się różnymi językami. Zaawansowane systemy potrafią przy tym zachować cechy charakterystyczne głosu, intonację oraz emocjonalny ton oryginalnego mówcy.
Źródło: github.com
