Simultaneous Translation with Offline Speech and LLM Models in CUNI Submission to IWSLT 2025

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F25%3A10511623" target="_blank" >RIV/00216208:11320/25:10511623 - isvavai.cz</a>

Výsledek na webu

<a href="https://aclanthology.org/2025.iwslt-1.41.pdf" target="_blank" >https://aclanthology.org/2025.iwslt-1.41.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Simultaneous Translation with Offline Speech and LLM Models in CUNI Submission to IWSLT 2025

Popis výsledku v původním jazyce

This paper describes Charles University sub- mission to the Simultaneous Speech Transla- tion Task of the IWSLT 2025. We cover all four language pairs with a direct or cascade ap- proach. The backbone of our systems is the of- fline Whisper speech model, which we use for both translation and transcription in simultane- ous mode with the state-of-the-art simultaneous policy AlignAtt. We further improve the per- formance by prompting to inject in-domain ter- minology, and we accommodate context. Our cascaded systems further use EuroLLM for un- bounded simultaneous translation. Compared to the Organizers’ baseline, our systems im- prove by 2 BLEU points on Czech to English and 13-22 BLEU points on English to German, Chinese and Japanese on the development sets. Additionally, we also propose a new enhanced measure of speech recognition latency.

Název v anglickém jazyce

Simultaneous Translation with Offline Speech and LLM Models in CUNI Submission to IWSLT 2025

Popis výsledku anglicky

This paper describes Charles University sub- mission to the Simultaneous Speech Transla- tion Task of the IWSLT 2025. We cover all four language pairs with a direct or cascade ap- proach. The backbone of our systems is the of- fline Whisper speech model, which we use for both translation and transcription in simultane- ous mode with the state-of-the-art simultaneous policy AlignAtt. We further improve the per- formance by prompting to inject in-domain ter- minology, and we accommodate context. Our cascaded systems further use EuroLLM for un- bounded simultaneous translation. Compared to the Organizers’ baseline, our systems im- prove by 2 BLEU points on Czech to English and 13-22 BLEU points on English to German, Chinese and Japanese on the development sets. Additionally, we also propose a new enhanced measure of speech recognition latency.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EH23_020%2F0008518" target="_blank" >EH23_020/0008518: Jazykověda, umělá inteligence a jazykové a řečové technologie: od výzkumu k aplikacím</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 22nd International Conference on Spoken Language Translation (IWSLT 2025)

ISBN

979-8-89176-272-5

ISSN

—

e-ISSN

—

Počet stran výsledku

10

Strana od-do

389-398

Název nakladatele

Association for Computational Linguistics

Místo vydání

Kerrville, TX, USA

Místo konání akce

Wien, Austria

Datum konání akce

31. 7. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—