A saját hangod
Az Ön saját hangja
Amikor az InterMIND lefordítja az Ön beszédét egy másik résztvevő számára, az nem egy robotszerű, szövegfelolvasó narrátort hall. Egy felismerhetően az Ön hangját hallja, az Ön hangszínével és beszédmódjával, amint a saját nyelvén mondja ki a szavakat.
Ez mindkét irányban működik, és minden résztvevőnél egymástól függetlenül. Egy olyan meetingen, ahol öt ember öt nyelven beszél, mindenki a másik négyet a saját nyelvén hallja, és mind a négyen még mindig önmagukként szólalnak meg.
Milyen hangzása van
A legtöbb élő fordítóeszköz a beszélőt egyetlen, általános szintetikus hanggal helyettesíti. Az eredmény érthető, de egysíkú: elvész, hogy ki beszél, elvész a hangsúly és a személyiség. Az InterMIND megőrzi a beszélő hangját, így a lefordított meeting olyan emberek beszélgetésének érződik, akik valóban részt vesznek benne, nem pedig egy gép által felolvasott közlemények sorának.
Hogyan működik
Az InterMIND kaszkádolt feldolgozási láncot használ, és a hangszintézis az utolsó lépés:
- Beszédfelismerés – a szavait a saját nyelvén, beszéd közben írja át szöveggé.
- Szegmentálás – az átirat stabil mondatrészletekre (tagmondatokra) tagolódik, így a fordítás még azelőtt elkezdődhet, hogy Ön befejezné a mondatot.
- Fordítás – minden részletet fokozatosan lefordít a hallgató nyelvére.
- Hangszintézis – minden lefordított részletet az Ön saját hangjának mintájával szólaltat meg, majd elküldi a hallgatónak.
Amíg a meeting elegendő beszédet gyűjt az Ön hangjának modellezéséhez (nagyjából az első 5–10 másodpercig), a szintézis azt a hangrészletet használja, amely megfelel az Ön által épp elmondottaknak a forrásnyelven. Amint elég hosszú minta áll rendelkezésre, a rendszer átvált erre a mintára, és minden ezutáni beszédnél azt használja. A gyakorlatban az átváltást nem veszi észre – a fordítás a hívás előrehaladtával egyre jobban hasonlít Önre. Nem lesz tökéletes utánzata a hangjának, de felismerhetően Ön az, nem egy általános narrátor, és a modell minél többet hall Önből, annál jobb lesz.
Nyelvek
A saját hangon történő fordítás mind a 23 beszédnyelven elérhető – ugyanazon a körön, amelyet a Nyelvek kiválasztása oldal felsorol. Külön nem kell semmit bekapcsolni: ha a fordítás be van kapcsolva, a résztvevők automatikusan az Ön saját hangján hallják Önt.
Az elmentett hangminta (opcionális)
A bejelentkezett felhasználók kihagyhatják a bemelegítést, ha egyszer rögzítenek egy hangmintát a Beállítások → Az Ön hangja a fordításban oldalon: nyomja meg a Hangom rögzítése gombot, mondja el egytől tízig a számokat tetszőleges sorrendben, és a minta magától elmentődik, amint mind a tíz kigyullad. A következő meetingtől kezdve a lefordított beszéde már az első mondattól ezzel a mintával szólal meg.
Adatvédelem
Két minta, két élettartam. A meeting közbeni bemelegítéshez használt élő minta rövid életű: csak az élő meeting idejéig létezik, és sehol nem tárolódik; a valós idejű munkamenetet működtető Mind API és SDK a konferencia-munkamenet végeztével semmilyen adatot nem őriz meg. A Beállításokból származó elmentett minta a fiókjával együtt tárolódik, egyetlen célra: a lefordított beszéde megszólaltatására. A rendszer minden meetingre való csatlakozáskor elküldi a fordítómotornak, és törli, amint Ön eltávolítja, vagy törli a fiókját. Egyik sem tartozik az InterMIND videó- és hangfelvétel-funkciói közé: azok különálló, kifejezett felvételek, amelyeket Ön szándékosan indít el.
A fejlesztési tervben: Lip-Sync
Az, hogy a fordítást a saját hangján hallja, egy nagyobb cél első fele. A következő lépés, amelyen dolgozunk, a lip-sync: a beszélő szájmozgásának kamerán történő újraidőzítése a lefordított hanghoz igazodva, így úgy tűnik, mintha minden résztvevő a másik nyelvén beszélne. A saját hangon történő fordítással együtt a cél egy olyan hívás, ahol a közös nyelvvel nem rendelkező emberek úgy látják és hallják egymást, mintha mindenki anyanyelvi szinten a másik nyelvét beszélné.
Ez egy fejlesztési terv szerinti elem, még nem elérhető funkció – a fent leírt saját hangon történő fordítás viszont már ma működik.