リアルタイムのコミュニケーションに有効な音声同時翻訳は目覚ましい進歩を遂げているが、以下のような課題がある。まず、音声同時翻訳モデルは、高度な翻訳精度と短い遅延時間とを維持しながら、長尺かつ連続する音声入力を処理しなければならない。また、入力が完了しないうちに、いつ翻訳を開始するか決定しなければならず、翻訳を中途のまま出力してしまうリスクと、遅延時間の増加とのバランスを取る必要がある。さらに、アノテーションされた訓練データが不足しており、モデルを効果的に訓練して最適なパフォーマンスを得ることが難しい。ノースイースタン大学などの研究者は、これらの課題に対する解決方法を示す新たな研究結果を発表した。