# Tłumaczenie mowy na inny język

EN: **Speech translation** · id `speechtranslation` · aliases: speech translation, tłumaczenie mowy

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Język, obraz, audio](https://aiatlasgraph.com/t/modalities.md) › [Język naturalny](https://aiatlasgraph.com/t/nlp.md) › [Tłumaczenie maszynowe](https://aiatlasgraph.com/t/machinetranslation.md) › Tłumaczenie mowy na inny język

## Description

- PL: Tłumaczenie mowy źródłowej na tekst lub mowę w języku docelowym, kaskadowo (ASR→MT→TTS) albo bezpośrednio jednym modelem.
- EN: Translating source speech into target-language text or speech, either cascaded (ASR→MT→TTS) or directly with one model.

## In one sentence

- PL: Program słucha kogoś mówiącego w jednym języku i podaje tłumaczenie napisem albo głosem w innym.
- EN: Software listens to someone speaking one language and gives the translation as text or speech in another.

## Problem it solves

- PL: Rozmowa z kimś bez wspólnego języka wymaga tłumacza, którego zwykle nie ma pod ręką.
- EN: Talking to someone without a shared language needs an interpreter, who is rarely at hand.

## What it does

- PL: Działa jak tłumacz w słuchawce: słucha kawałek wypowiedzi i od razu mówi ją w twoim języku.
- EN: It works like an interpreter in your earpiece: it hears a chunk of speech and says it right away in your language.

## Everyday example

- PL: Na wakacjach mówisz do telefonu po polsku, a sprzedawca słyszy pytanie po hiszpańsku.
- EN: On holiday you speak into your phone in your language and the shopkeeper hears the question in theirs.

## This concerns you if you…

- PL: rozmawiasz z ludźmi bez wspólnego języka
- PL: oglądasz nagrania w obcym języku
- PL: organizujesz spotkania międzynarodowe
- EN: talk to people without a shared language
- EN: watch recordings in a foreign language
- EN: run international meetings

## Keywords

speech translation · direct speech translation · speech-to-text translation · speech-to-speech translation · SeamlessM4T · Whisper translate · MuST-C · CoVoST · IWSLT

## How it works

- PL: System kaskadowy najpierw transkrybuje mowę przez ASR, tłumaczy tekst i — jeśli potrzebne jest wyjście głosowe — przekazuje wynik do syntezy mowy. Model bezpośredni mapuje reprezentację dźwięku na tekst lub mowę w języku docelowym. W trybie strumieniowym model zaczyna generować wynik przed końcem wypowiedzi, używając monotonicznej uwagi lub polityki decydującej, kiedy emitować kolejne fragmenty.
- EN: A cascaded system first transcribes speech with ASR, translates the text and—when spoken output is required—passes it to speech synthesis. A direct model maps audio representations to target-language text or speech. In streaming mode, the model starts producing output before the utterance ends, using monotonic attention or a policy that decides when to emit each segment.

## Limits

- PL: Szum, akcenty i nakładające się głosy obniżają jakość. Tryb na żywo wymaga kompromisu między opóźnieniem a trafnością, a języki o małych zasobach mają mało danych mowy z tłumaczeniem.
- EN: Noise, accents and overlapping voices reduce quality. Live mode trades latency against accuracy, and low-resource languages have little translated speech data.

## Key terms

- PL: **kaskada**: Łańcuch osobnych modeli: rozpoznawanie, tłumaczenie, synteza mowy.
- PL: **simultaneous translation**: Tłumaczenie zaczynane, zanim mówca skończy zdanie.
- PL: **ASR-BLEU**: Ocena tłumaczenia głosowego po zamianie go z powrotem na tekst.
- EN: **cascade**: A chain of separate models: recognition, translation, speech synthesis.
- EN: **simultaneous translation**: Translation started before the speaker finishes the sentence.
- EN: **ASR-BLEU**: Scoring spoken translation after transcribing it back to text.

## Know first

- [Rozpoznawanie mowy / ASR (Automatic speech recognition)](https://aiatlasgraph.com/t/asr.md)

## Related topics

Untyped, symmetric "see also" links.

- [Modele mowa–mowa (Speech-to-speech models)](https://aiatlasgraph.com/t/speech2speech.md)

## Sources

- [SeamlessM4T: Massively Multilingual & Multimodal Machine Translation](<https://arxiv.org/abs/2308.11596>) `seamless-2023-m4t` · by Seamless Communication
- [Seamless: Multilingual Expressive and Streaming Speech Translation](<https://arxiv.org/abs/2312.05187>) `seamless-2023-streaming` · by Seamless Communication

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/speechtranslation · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30