Din egen stemme

Når InterMIND oversætter din tale til en anden deltager, hører vedkommende ikke en robotagtig tekst-til-tale-oplæser. Vedkommende hører en stemme, der er tydeligt din med din klang og din måde at tale på, nu med ordene på deres sprog.

Det virker i begge retninger og for hver deltager uafhængigt. I et møde, hvor fem personer taler fem sprog, hører hver person de fire andre på sit eget sprog, og de fire lyder stadig som sig selv.

Sådan lyder det

De fleste live-oversættelsesværktøjer erstatter taleren med én og samme generiske, syntetiske stemme. Resultatet er forståeligt, men fladt: Du mister, hvem der taler, eftertrykket og personligheden. InterMIND bevarer talerens stemme, så et oversat møde føles som en samtale mellem de mennesker, der faktisk deltager, og ikke som en kø af meddelelser læst op af en maskine.

Sådan fungerer det

InterMIND bruger en kaskadeopbygget pipeline, hvor stemmetrinnet er den sidste fase:

1. Talegenkendelse – dine ord transskriberes på dit eget sprog, mens du taler.
2. Segmentering – transskriptionen deles op i stabile sætningsfragmenter (led), så oversættelsen kan begynde, før du er færdig med sætningen.
3. Oversættelse – hvert fragment oversættes løbende til lytterens sprog.
4. Stemmesyntese – hvert oversat fragment tales tilbage med en prøve af din egen stemme og sendes til lytteren.

Mens mødet stadig samler nok af din tale til at modellere din stemme (cirka de første 5-10 sekunder), bruger syntesen det lydfragment, der svarer til det, du netop har sagt på dit kildesprog. Når prøven er lang nok, skifter den til at bruge den prøve til alt det følgende. I praksis lægger du ikke mærke til skiftet: Oversættelsen lyder mere og mere som dig, jo længere opkaldet varer. Det bliver ikke en fejlfri efterligning af din stemme, men den er tydeligt din og ikke en generisk oplæser, og den bliver ved med at blive bedre, jo mere modellen hører af dig.

Sprog

Oversættelse med din egen stemme er tilgængelig for alle 23 stemmesprog, det samme sæt som står i Vælg sprog. Der er intet, der skal aktiveres separat: Når oversættelse er slået til, hører deltagerne automatisk dig med din egen stemme.

Din gemte stemmeprøve (valgfrit)

Indloggede brugere kan springe opvarmningen over ved én gang at optage en stemmeprøve i Indstillinger → Din stemme i oversættelse: Tryk på Optag min stemme, sig tallene fra et til ti i vilkårlig rækkefølge, og prøven gemmer sig selv, når alle ti lyser. Fra dit næste møde bruges den til at give din oversatte tale stemme fra første sætning.

Privatliv

To prøver, to levetider. Den live-prøve, der bruges til opvarmningen under mødet, er flygtig: Den findes kun, så længe det live-møde varer, og gemmes ikke noget sted. Mind API og SDK, der driver realtidssessionen, beholder ingen data, når konferencesessionen slutter. Den gemte prøve fra Indstillinger lagres sammen med din konto til ét formål, nemlig at give din oversatte tale stemme. Den sendes til oversættelsesmotoren, hver gang du deltager i et møde, og slettes i samme øjeblik, du fjerner den eller sletter din konto. Ingen af dem hører til InterMINDs video- og lyd-optagelsesfunktioner, som er separate, eksplicitte optagelser, du selv starter med vilje.

På køreplanen: Lip-sync

At høre oversættelsen med din egen stemme er første halvdel af et større mål. Det næste skridt, vi arbejder hen imod, er lip-sync: at justere timingen af talerens mund på kameraet, så den passer til den oversatte lyd, så hver deltager ser ud til at tale den andens sprog. Sammen med oversættelse med egen stemme er målet et opkald, hvor mennesker, der ikke har noget fælles sprog, ser og hører hinanden, som om de hver især talte den andens sprog som modersmål.

Det er et punkt på køreplanen og endnu ikke en udgivet funktion. Oversættelsen med egen stemme ovenfor er live i dag.