AutoTerm-SST：面向流式语音翻译的零会话设置自适应术语记忆系统

检索增强语音翻译虽能改善罕见术语处理，但现有系统如RASST仍要求用户在每次会话前提供词汇表，这在实时演讲中极不方便；若将所有领域合并至单一增长型词汇表中，会导致无关术语在检索和提示竞争中被稀释。本文提出AutoTerm-SST，一种交互式系统，消除了会话时的词汇表上传和领域选择需求。它将大型离线术语目录组织为主题切片，将最近的流式翻译上下文与双语切片原型匹配，并在固定的检索和提示预算下激活紧凑的多切片工作集。在五个ACL和五个ESO肿瘤学演讲上的实验表明，AutoTerm在术语准确率（88.3% vs 88.1%）和重分段的BLEU分数（45.09 vs 45.19）上达到了已知领域参考水平，且无需任何领域输入。与包含一百万条目的合并词汇表相比，其术语准确率提高了3.9个点，BLEU提高了2.30点。路由加四切片检索保持轻量级：完整系统的运行时间为0.406 RTF，vLLM主机可支持32个实时会话。现场演示展示了随着主题变化而激活的切片和检索到的术语，提供了零设置的术语感知流式翻译。