Krisp 发布 Voice Translation API：生产级实时语音翻译引擎开源
Krisp 于 2026 年 6 月 9 日隆重推出了 Voice Translation API，标志着其长期服务于企业呼叫中心的“语音翻译”技术正式向开发者社区开放。此次发布的核心价值在于填补了“演示 Demo”与“生产环境”之间的巨大鸿沟，提供了一套经过严苛实战验证的实时 Speech-to-Speech（语音到语音）翻译解决方案。
背景：演示与生产的“死亡之谷”
在语音 AI 领域，开发者常面临一个严峻挑战：在实验室环境下表现完美的模型，一旦部署到真实呼叫中心，往往因环境噪音、口音差异及行业术语（如医疗药名、金融政策编号）而失效。
Krisp 指出，通用翻译引擎在真实通话中准确率通常下降 5-10 个百分点，且缺乏实时反馈机制，错误往往直到用户投诉或合规违规时才被发现。为了消除这一差距，Krisp 将运行于全球企业呼叫中心的同款引擎进行了 API 化封装，实现了“自服务”（Self-serve）部署。
核心突破：基于真实数据的工程化验证
与大多数基于干净录音集（Clean Benchmark）训练的模型不同，Krisp 的引擎直接受益于超过 100 万分钟 的真实通话数据，涵盖 30 种语言、6 个业务领域及 870 次深度对话。
关键性能指标 (Metrics)
| 指标维度 | 关键数据 | 说明 |
|---|---|---|
| 真实通话准确率 | 96% | 基于 AutoQA 评分，针对真实口音与噪音环境 |
| 端到端无人工介入率 | 89% | 通话全程无需人工翻译员介入 |
| 医疗安全事故 | 0 起 | 在 8+ 种语言的医疗部署中实现零事故 |
| 平均通话时长 (AHT) 降低 | 20%+ | 相比传统人工语言服务 |
| 翻译引擎规模 | 1M+ 分钟 | 生产环境累计处理时长 |
多维度评估体系
Krisp 采用了三重验证机制确保 API 的可靠性：
- 转录准确率 (WER)：在意大利语等复杂语言中，WER 低至 2.07%；
- 翻译质量 (BLEU/chrF++)：BLEU 分数在 51-66 之间，接近人工翻译水平；
- 语义准确性 (AutoQA)：系统独立评估意图、实体、流畅度与自然度，综合得分 94-96 分。
技术特性与应用场景
该 API 专为解决复杂场景设计，具备以下核心能力：
- 实时双向翻译：支持毫秒级延迟，实现真正的实时语音流翻译，而非离线转写。
- 抗噪与降噪集成：内置 Krisp 标志性的 #1 降噪技术，自动过滤背景噪音、回声及他人语音干扰。
- 多语言与多口音支持：覆盖 30 种语言，特别优化了重口音（Heavy Accents）的识别与转换。
- 垂直领域适配：针对医疗、金融、IT 咨询等对术语准确性要求极高的领域进行了专项微调。
对于呼叫中心、跨国远程协作及医疗问诊场景，该 API 不仅能消除语言障碍，更能通过减少人工翻译员等待时间（减少 2 倍以上）和降低合规风险，显著提升运营效率。
开发者调用指南
Krisp 提供了无需签名的 Playground 环境，开发者可立即体验实时翻译效果。通过简单的 API 调用，即可将本地音频流转换为目标语言语音流，无缝集成至现有的 AI Agent 或通话系统中。
“我们构建 Voice Translation API 是为了弥合演示与生产之间的差距。这不是一个新的引擎，而是经过 100 万分钟真实通话淬炼的成熟技术，现在以自助服务的形式呈现给全球开发者。” —— Krisp 工程团队
随着该 API 的发布，Krisp 正从单一的降噪工具向全栈语音 AI 基础设施平台演进，为构建下一代智能语音交互系统提供了坚实的底层引擎支持。
