同声传译在源语言说话人表述过程中同步进行翻译,显著改善了跨语种沟通交流的效率。随着通信、互联网技术特别是移动互联网的迅速发展,全球化沟通的日益频繁,跨语言沟通交流成为日渐普遍的基本需求。作为最快捷方便的语音翻译方式,同声传译有着广泛的应用。受限于人工同传译员培训困难、工作强度大等问题,人们对于基于计算机的自动同声传译的需求日益明显。因此,面向同声传译的自动语音翻译成为当前机器翻译研究的一个重要方向。在面向同声传译的语音翻译中,级联语音翻译系统面临模块间误差传播的问题,而端到端语音翻译系统主要受限于训练数据规模。此外,所有同步语音翻译系统都需要解决延迟与翻译质量间的权衡折中,尤其是低延迟条件下的翻译质量问题。本文针对上述问题,围绕鲁棒性建模、语义单元分割、端到端语音翻译建模及同步翻译的延迟优化等方面开展研究工作,并设计实现了自动同声传译系统。本文的主要工作与创新点如下:1)提出了一种针对级联语音翻译的鲁棒性建模方法。针对级联语音翻译系统中语音识别输出和机器翻译输入模式不匹配的问题,提出了基于去规整及分句不敏感的鲁棒性建模方法,结合分句策略的改进,有效的缓解级联语音翻译系统级联误差扩散导致的影响。在演讲、会议、日常对话三个主要针对的应用场景上均取得较明显的翻译质量提升。2)提出了一种基于语义单元切分的同步语音翻译框架。针对基于子句切分的同步翻译系统延迟及翻译质量的问题,提出了一种基于贪心算法的语义单元划分方法,并针对子句独立翻译导致的上下文不连贯的问题,提出了基于历史约束的语义单元翻译方法。在文本同步翻译和语音同步翻译任务上都取得相对基线较显著的效果改进。3)提出了一种基于数据增广的端到端语音翻译建模方法。针对端到端语音翻译训练稳定性的问题,提出了结合预训练和序列知识蒸馏的模型训练方法;针对端到端语音翻译训练数据规模的问题,提出了基于语音合成和机器翻译的数据增广方法,有效的利用了语音识别及机器翻译大规模训练数据。在多个不同场景实验数据集上,本文方法取得和级联语音翻译系统相当的翻译效果。4)提出了用于同步翻译的注意力增强转换器网络结构。针对流式翻译中解码策略和翻译模型联合优化的问题,提出了注意力增强的转换器网络结构（Cross Attention Augmented Transducer,CAAT）,显著改善了同步翻译的延迟与翻译质量。相对目前业界最优的wait-k、MMA等方案,本文提出的CAAT模型在低延迟条件下取得5 BLEU以上的效果提升。5)设计实现了一套自动同声传译系统。在上述研究工作基础上,设计实现了一套自动同声传译系统。针对跨语种的会议、演讲、日常对话等不同应用场景下对延迟和翻译质量的不同需求,分别采用基于语义单元切分和基于CAAT模型的两套同声传译方案,提供了针对不同延迟的同声传译,获得了较好的应用效果。