Вашият собствен глас

Когато InterMIND превежда речта ви за друг участник, той не чува робот, който чете текст. Той чува глас, който е разпознаваемо ваш: с вашия тембър и с вашия начин на говорене, но на неговия език.

Това работи в двете посоки и за всеки участник поотделно. В среща, в която петима души говорят на пет езика, всеки чува останалите четирима на собствения си език, а всеки от тях продължава да звучи като себе си.

Как звучи

Повечето инструменти за превод на живо заменят говорещия с един и същ универсален синтетичен глас. Резултатът е разбираем, но безличен: губите кой говори, акцентите, характера. InterMIND запазва гласа на говорещия, така че преведената среща прилича на разговор между хората, които действително участват в нея, а не на поредица от обявления, прочетени от машина.

Как работи

InterMIND използва каскаден конвейер, а гласът е последният му етап:

1. Разпознаване на реч — думите ви се транскрибират на вашия език, докато говорите.
2. Сегментиране — транскрипцията се групира в устойчиви части от изречения (клаузи), така че преводът да започне, преди да сте довършили изречението.
3. Превод — всяка част се превежда последователно на езика на слушателя.
4. Гласов синтез — всяка преведена част се изговаря с помощта на проба от вашия собствен глас и се изпраща на слушателя.

Докато срещата събира достатъчно от речта ви, за да моделира гласа ви (приблизително първите 5–10 секунди), синтезът използва аудиофрагмента, който съответства на току-що казаното от вас на изходния език. Щом пробата стане достатъчно дълга, синтезът преминава към нея за всичко след това. На практика не усещате прехода: преводът звучи все по-близо до вас с напредването на разговора. Гласът ви няма да бъде възпроизведен безупречно, но ще е разпознаваемо вашият, а не на безличен говорител, и продължава да се подобрява, докато моделът чува повече от вас.

Езици

Преводът с вашия собствен глас е наличен за всичките 23 езика за глас, същите като в списъка в Избор на езици. Не е нужно да включвате нищо отделно: когато преводът е включен, участниците автоматично ви чуват с вашия собствен глас.

Вашата запазена гласова проба (по избор)

Влезлите в профила си потребители могат да пропуснат загряването, като запишат гласова проба веднъж в Настройки → Вашият глас в превода: натиснете Запиши гласа ми, кажете числата от едно до десет в произволен ред и пробата се запазва сама, когато и десетте светнат. От следващата ви среща преведената ви реч ще звучи с нея от първото изречение.

Поверителност

Две проби, два срока на съхранение. Живата проба, използвана за загряването по време на срещата, е временна: тя съществува само докато трае живата среща и не се съхранява никъде; Mind API и SDK, които захранват сесията в реално време, не пазят данни след края на конферентната сесия. Запазената проба от Настройки се съхранява във вашия акаунт с една-единствена цел, озвучаване на преведената ви реч, изпраща се към машината за превод при всяко ваше влизане в среща и се изтрива в момента, в който я премахнете или изтриете акаунта си. Нито една от тях не е част от функциите на InterMIND за запис на видео и глас, които са отделни, изрични записи, започвани от вас нарочно.

В плана за развитие: Lip-Sync

Чуването на превода с вашия собствен глас е първата половина от по-голяма цел. Следващата стъпка, към която работим, е lip-sync: пренасочване във времето на движението на устните на говорещия пред камерата, така че да съвпада с преведеното аудио и всеки участник да изглежда така, сякаш говори езика на другия. В съчетание с превода със собствен глас целта е разговор, в който хора без общ език се виждат и чуват, сякаш всеки говори естествено езика на другия.

Това е елемент от плана за развитие, а не вече пуснато решение — преводът със собствен глас, описан по-горе, е наличен още днес.