2011年，Siri随iPhone 4S横空出世，语音翻译似乎迎来曙光。然而早期Siri仅靠预设词库和规则运行——每新增一组短语需重建整个数据库，耗时长达六周；复杂功能开发更需近一年。它能听懂"今天天气如何"，却在连续对话面前束手无策，沦为"能听不会说"的鸡肋。

2013年微软Cortana、2014年亚马逊Alexa相继入局，语音助手进入混战时代。真正的转折点出现在2018年——OpenAI发布GPT-1，Transformer架构以自注意力机制取代传统RNN，首次实现大规模预训练加微调的范式革命。GPT-3狂飙至1750亿参数，零样本学习能力惊艳世界；GPT-4更突破文本边界，实现图文双模态输入。2024年5月，GPT-4o将语音、视觉、文本任意组合输入输出，延迟压至0.4秒，翻译准确率逼近99%。

苹果也在奋起直追：2024年融合ChatGPT的Siri发布，2026年1月苹果与谷歌达成深度合作，基于Gemini模型重构Siri，代号Campos的聊天机器人版Siri即将亮相iOS 27。从预设词库到大语言模型，语音翻译用十年完成了从"鹦鹉学舌"到"融会贯通"的蜕变。