Živý překlad pro více mluvčích
v reálném čase

Živý překlad pro více mluvčích dělá dvě věci najednou: označuje každý hlas v místnosti a překládá každou repliku do vašeho jazyka, zatímco lidé ještě mluví. MirrorCaption zvládá obojí v prohlížeči, ve více než 50 volitelných jazycích, bez bota připojeného ke schůzce. Vidíte, kdo co řekl, v okamžiku, kdy to zazní, ne až deset minut po skončení meetingu.

Představte si hovor čtyř lidí. Produktový manažer v Londýně mluvící anglicky, vývojář v Šanghaji mluvící mandarínsky, klient v Tokiu mluvící japonsky a designér přepínající mezi dvěma z nich. Všichni mluví. Váš přepis je zeď neoznačeného textu ve třech jazycích. Víte, že zaznělo něco důležitého, ale ne kdo to řekl ani přesně, co tím myslel.

Právě tuto mezeru tento průvodce uzavírá. Překlad bez označení mluvčích vám řekne, co bylo řečeno. Živý překlad pro více mluvčích vám řekne, kdo to řekl, ve vašem jazyce, v reálném čase. Níže vysvětlujeme, co to je, proč na štítcích záleží, jak to funguje v MirrorCaption, kde tato technologie skutečně naráží a jak ji provozovat napříč platformami bez bota.

Co je živý překlad pro více mluvčích?

Živý překlad pro více mluvčích je systém v reálném čase, který odděluje a označuje každý hlas v konverzaci a překládá každou repliku do vámi zvoleného jazyka, zatímco lidé ještě mluví. Spojuje dvě úlohy, rozpoznání mluvčího a překlad, do jednoho živého proudu, takže můžete sledovat vícejazyčnou konverzaci více lidí v okamžiku, kdy probíhá.

Většina nástrojů zvládá dobře jen jednu polovinu. Titulky platforem sice překládají, ale napříč jazyky jen zřídka jasně přiřazují jednotlivé repliky. Nástroje pro přepis pro vývojáře oddělují hlasy, ale pracují s nahranými záznamy, nejprve v angličtině, až dodatečně. Kombinovaná úloha, štítky plus překlad plus během hovoru, je část, kterou téměř nikdo neřeší. Pokud chcete širší pohled na tuto kategorii, náš přehled nejlepších nástrojů pro překlad schůzek v reálném čase pokrývá celý trh.

Štítky mluvčích vs. diarizace mluvčích

Uvidíte dva pojmy používané volně. Diarizace mluvčích je technický proces rozdělení audia podle toho, „kdo kdy mluvil“, úloha popsaná v evaluacích NIST Rich Transcription. Štítky mluvčích jsou výsledek pro uživatele: značky, které skutečně čtete, jako Speaker 1 a Speaker 2, a které můžete přejmenovat na „Priya“ nebo „Kenji“.

Diarizace je motor. Štítky jsou palubní deska. U schůzky vás zajímá palubní deska: čistý, čitelný záznam každé repliky, přiřazený a přeložený. Přidání identity mluvčího do titulků je také osvědčený postup v oblasti přístupnosti, jak uvádí doporučení W3C k titulkům pro diváky, kteří se nemohou spoléhat jen na hlas, aby rozlišili jednotlivé lidi.

Proč na štítcích mluvčích záleží při překladu schůzky

V jednojazyčné schůzce často dokážete hlasy rozlišit sami. Ve vícejazyčné už věnujete energii čtení překladů, takže přiřazení mluvčího je první věc, která se ztratí. A právě tehdy na tom záleží nejvíc.

Štítky mění tři věci. Zaprvé, rozhodování: vědět, kdo vznesl námitku, vám řekne, čí obavu je třeba řešit a jakou má váhu. Zadruhé, prohledávatelné záznamy: přepis kdo-co-řekl vám umožní skočit na „všechno, co klient řekl o termínech“. Zatřetí, čisté předávání: obchodní a právní týmy napříč zeměmi potřebují doslovné, přiřazené citace, ne mlhavé parafráze.

Problém nepřiřazených přeložených přepisů

Tady je důvod, proč neoznačený přepis v praxi selhává. Představte si, že Speaker 2, mluvící mandarínsky, řekne, že cena je problém, ve stejný okamžik, kdy Speaker 3 dokončuje anglickou větu o časovém plánu. V plochém přepisu se tyto dva řádky naskládají na sebe a obava ohledně ceny vypadá, jako by přišla od člověka, který mluví o datech.

S označením mluvčích vypadá tentýž okamžik přehledně:

Teď je obava ohledně ceny jasně přiřazena osobě, která ji vznesla, a můžete reagovat na správný problém se správným člověkem. Přiřazení zde není drobnost. Mění to, co řeknete dál.

Jak funguje živý překlad pro více mluvčích v MirrorCaption

MirrorCaption běží jako webová aplikace, takže není třeba nic instalovat a není potřeba schvalovat bota do schůzky. Postup pro hovor s více mluvčími je krátký:

1. Otevřete MirrorCaption v desktopovém Chromu nebo Microsoft Edge a spusťte režim Meet.
2. Sdílejte kartu schůzky, aby MirrorCaption zachytil zvuk hovoru (plus váš vlastní mikrofon).
3. Detekce mluvčích oddělí hlasy a označí je jako Speaker 1, Speaker 2, Speaker 3.
4. Každá replika se zobrazí s původním textem vedle překladu do vámi zvoleného jazyka.
5. Přejmenujte mluvčí na skutečná jména a pak přepis vyhledávejte, exportujte nebo shrňte.

Automatická detekce mluvčích (Speaker 1, Speaker 2, přejmenování)

Vrstva živého přepisu identifikuje odlišné hlasy a automaticky je označuje. Nemusíte nikoho předem značit. Jakmile hlas poznáte, klikněte na štítek a přejmenujte ho; jméno se pak použije v celém přepisu. Od té chvíle je každá replika této osoby přiřazena jejím jménem.

Originál a překlad vedle sebe, pro každého mluvčího

MirrorCaption ponechává původní text a překlad pohromadě místo toho, aby jeden nahrazoval druhý, takže se nikdy neztratí nuance. Vezměte klasický dvojjazyčný příklad: japonský klient řekne 「ちょっと難しいです」. Doslovný překlad zní „trochu obtížné“, což je jazykově správné a obchodně znamená spíše jemné ne. Protože zdrojový text stojí vedle překladu, můžete klepnout na libovolné slovo a zobrazit originál a přesněji číst situaci. Více o tom, jak věrné tyto převody jsou, najdete v našem vysvětlení jak přesný je překlad v reálném čase.

Volitelné Speak Translations, odpovídejte nahlas napříč jazyky

Čtení někdy nestačí. S funkcí Speak Translations může MirrorCaption číst váš přeložený projev nahlas v cílovém jazyce s téměř okamžitým načasováním. Mluvte anglicky a druhá strana uslyší japonštinu; mluvte mandarínsky a uslyší angličtinu. Zvuk může hrát přes reproduktor notebooku, spárovaný reproduktor telefonu nebo na Mac klientovi přes virtuální mikrofon, který ho směruje do Zoomu, Meet nebo Teams. Z přepsaného a označeného textu se tak stává skutečná obousměrná výměna, kde každá strana dál mluví svým vlastním jazykem.

Kde je detekce mluvčích obtížná (upřímná omezení)

Žádný živý systém nerozlišuje hlasy dokonale na chaotickém audiu a bylo by nepoctivé tvrdit opak. Některé situace jsou skutečně těžké.

Překrývání řeči. Když dva lidé mluví přes sebe, zvuk se překrývá a hranice mezi replikami se rozmazává. Štítek může zpožďovat nebo se sloučit, dokud jeden hlas neustoupí.

Téměř totožné hlasy. Dva mluvčí s podobnou výškou hlasu a přízvukem, na stejném mikrofonu, se softwarem a někdy i lidem rozlišují obtížně.

Špatné nastavení mikrofonu. Jeden notebookový mikrofon snímající celou konferenční místnost dává detektoru méně informací než samostatná zařízení.

Co v praxi pomáhá: nechte repliky doznít místo přerušování, používejte tam, kde to jde, oddělené mikrofony a spoléhejte na čistý zvuk z karty schůzky místo na mikrofon v místnosti. To jsou stejné podmínky, které zlepšují přesnost u každého nástroje, jak podrobněji popisuje náš průvodce vícejazyčným přepisem.

Vícejazyčný překlad napříč platformami, bez bota

Protože MirrorCaption zachycuje zvuk z prohlížeče místo toho, aby se připojoval ke schůzce, funguje vedle nástroje, který si hostitel už zvolil. V desktopovém Chromu nebo Edge režim Meet zachytí kartu schůzky pro hovory v prohlížečích Zoom, Microsoft Teams, Google Meet a Webex. Nikdo nemusí přijímat bota a žádný zvuk ze schůzky se neukládá na server, pouze přepisy, které se rozhodnete uložit lokálně.

Pro osobní konverzaci více lidí funguje režim Talk v telefonu jako jedna nepřetržitá relace. Spustíte ho jednou a necháte lidi mluvit po jednom; není to push-to-talk a po každé větě se nerestartuje. Díky tomu se hodí pro kulatý stůl u jednoho stolu, ne jen pro vyhledávání jedné fráze v konverzační příručce.

Zde je srovnání běžných přístupů pro konkrétní úkol označování hlasů a živého překladu replik:

Smyslem není tvrdit, že ostatní nástroje jsou špatné. Nativní titulky platforem jsou pohodlné ve vlastních zdech a diarizační API jsou výborná pro tvorbu vlastních pipeline. MirrorCaption vyplňuje konkrétní mezeru označených, přeložených replik v reálném čase napříč jakýmkoli nástrojem v prohlížeči, který váš tým používá.

Reálné scénáře, kde se vyplatí

Následující příklady jsou ilustrační pracovní postupy, nikoli reference zákazníků.

Vícejazyčný all-hands. Představte si distribuovaný tým, kde Maria v São Paulu, Wei v Šen-čenu a Anna v Berlíně všichni připojí standup. Místo toho, aby se všichni nutili do angličtiny, každý čte schůzku ve svém jazyce a každá replika je přiřazena. Pozdě příchozí otevřou průběžné shrnutí a doženou vše jedním přečtením. To je každodenní případ překladu v reálném čase pro vzdálené týmy.

Vyjednávání napříč zeměmi. Zvažte hovor s dodavatelem, kde dva lidé na straně dodavatele mluví mandarínsky a dva kupující anglicky. Když Speaker 2 upozorní na riziko dodávky, zatímco Speaker 1 ještě mluví o podmínkách, štítky udrží dvě linie oddělené, takže kupující odpoví na riziko správnému člověku místo toho, aby mluvil mimo téma.

Vícejazyčná třída. Představte si online seminář, kde student mluvící korejsky položí otázku během přednášky v angličtině. Označený a přeložený přepis umožní vyučujícímu vidět, kdo se na co ptal, a přesně odpovědět, a student si navíc ponechá vedle sebe záznam pro pozdější studium.

Často kladené otázky

Co je živý překlad pro více mluvčích?

Živý překlad pro více mluvčích je systém v reálném čase, který dělá dvě věci najednou: odděluje a označuje každý hlas v konverzaci a překládá každou repliku do vámi zvoleného jazyka, zatímco lidé ještě mluví, takže vidíte, kdo co řekl, v okamžiku, kdy se to děje.

Mohu přeložit schůzku s několika mluvčími bez bota?

Ano. MirrorCaption běží ve vaší kartě prohlížeče a zachycuje zvuk schůzky přímo v desktopovém Chromu nebo Microsoft Edge, takže se do hovoru nepřipojuje žádný bot. Označuje každý hlas a překládá každou repliku během schůzky a žádný zvuk ze schůzky se neukládá na server.

Jak detekce mluvčích rozlišuje hlasy?

Detekce mluvčích odděluje odlišné hlasy v audiu a označuje je jako Speaker 1, Speaker 2 a tak dále, přičemž je můžete přejmenovat. Funguje nejlépe s čistým zvukem a oddělenými mikrofony. Silné překrývání řeči nebo téměř totožné hlasy úkol ztěžují.

Může druhá strana překlad slyšet, ne jen číst?

Ano. Speak Translations může číst váš přeložený projev nahlas v cílovém jazyce s téměř okamžitým načasováním, přes reproduktor notebooku, spárovaný reproduktor telefonu nebo virtuální mikrofon na Macu, takže výměna pokračuje bez čekání na přepis po schůzce.

Kolik jazyků živý překlad pro více mluvčích podporuje?

MirrorCaption nabízí více než 50 volitelných jazyků, obousměrně, včetně mandarínštiny, japonštiny, korejštiny, španělštiny, francouzštiny, němčiny a dalších. Každá označená replika se zobrazí vedle svého překladu a můžete klepnout na libovolné slovo a zobrazit originál.

Stručně řečeno

Živý překlad pro více mluvčích je kombinovaná úloha: označit každý hlas, přeložit každou repliku a dělat obojí, zatímco konverzace ještě probíhá. Samotný překlad vám řekne, co bylo řečeno. Přidání štítků mluvčích vám řekne, kdo to řekl, a právě to vám umožní reagovat, citovat a rozhodovat se v daný okamžik.

Aby to fungovalo, používejte zvuk z karty schůzky v Chromu nebo Edge, nechte detekci mluvčích označit hlasy, přejmenujte je a čtěte originál vedle překladu. Když čtení nestačí, zapněte Speak Translations, aby druhá strana mohla zprávu slyšet a dál mluvit. A tam, kde je zvuk nečistý, pamatujte, že lepší mikrofony a méně uspěchané repliky pomáhají každému nástroji, včetně toho našeho.