Vaš lasten glas
Vaš lastni glas
Ko InterMIND prevede vaš govor za drugega udeleženca, ta ne sliši robotskega bralnika besedila. Sliši glas, ki je prepoznavno vaš: nosi vašo barvo glasu in vaš način govorjenja, le da besede izgovarja v njegovem jeziku.
To deluje v obe smeri in za vsakega udeleženca neodvisno. Na sestanku, kjer pet ljudi govori pet jezikov, vsak sliši preostale štiri v svojem jeziku, in vsak od teh štirih še vedno zveni kot on sam.
Kako zveni
Večina orodij za prevajanje v živo govorca zamenja z enim samim splošnim sintetičnim glasom. Rezultat je razumljiv, a plosk: izgubite, kdo govori, poudarke in osebnost. InterMIND ohrani govorčev glas, zato preveden sestanek deluje kot pogovor med ljudmi, ki so v njem zares prisotni, ne kot vrsta obvestil, ki jih bere stroj.
Kako deluje
InterMIND uporablja kaskadni cevovod, glasovna sinteza pa je njegova zadnja stopnja:
- Prepoznavanje govora – vaše besede se sproti prepisujejo v vašem jeziku.
- Segmentacija – prepis se združuje v stabilne stavčne fragmente (odvisne stavke), da se lahko prevajanje začne, še preden stavek končate.
- Prevajanje – vsak fragment se postopoma prevede v jezik poslušalca.
- Glasovna sinteza – vsak preveden fragment se izgovori z vzorcem vašega lastnega glasu in pošlje poslušalcu.
Dokler sestanek še zbira dovolj vašega govora za modeliranje glasu (približno prvih 5–10 sekund), sinteza uporablja zvočni fragment, ki ustreza temu, kar ste pravkar rekli v izvirnem jeziku. Ko je vzorec dovolj dolg, preklopi nanj za vse nadaljnje izgovorjeno. V praksi preklopa ne opazite: prevod zveni vse bolj kot vi, ko klic teče naprej. Vašega glasu ne bo posnemal popolnoma, a je prepoznavno vaš in ne splošen bralec, model pa se izboljšuje, kolikor več vas sliši.
Jeziki
Prevod z vašim lastnim glasom je na voljo za vseh 23 glasovnih jezikov, torej za isti nabor, ki je naveden v razdelku Izbira jezikov. Posebej ničesar ni treba vklopiti: ko je prevajanje vključeno, udeleženci samodejno slišijo vaš lastni glas.
Vaš shranjeni glasovni vzorec (neobvezno)
Prijavljeni uporabniki lahko preskočijo ogrevanje tako, da enkrat posnamejo glasovni vzorec v Nastavitve → Vaš glas pri prevajanju: pritisnite Posnemi moj glas, povejte števila od ena do deset v poljubnem vrstnem redu in vzorec se shrani sam, ko se prižge vseh deset. Od naslednjega sestanka naprej se vaš preveden govor od prvega stavka izgovarja z njim.
Zasebnost
Dva vzorca, dve življenjski dobi. Živi vzorec, uporabljen za ogrevanje med sestankom, je kratkotrajen: obstaja le med trajanjem sestanka v živo in se nikjer ne shranjuje; Mind API in SDK, ki poganjata sejo v realnem času, po koncu konferenčne seje ne obdržita nobenih podatkov. Shranjeni vzorec iz nastavitev je shranjen pri vašem računu za en sam namen, izgovarjanje vašega prevedenega govora, se pošlje prevajalskemu pogonu ob vsaki prijavi na sestanek in se izbriše v trenutku, ko ga odstranite ali izbrišete račun. Nobeden od njiju ni ena od InterMINDovih funkcij video in glasovnega snemanja, ki so ločena, izrecna snemanja, ki jih sprožite namenoma.
Na načrtu: lip-sync
Slišati prevod v lastnem glasu je prva polovica večjega cilja. Naslednji korak, proti kateremu delamo, je lip-sync: prilagoditev časovnega poteka govorčevih ust na kameri prevedenemu zvoku, tako da se zdi, da vsak udeleženec govori jezik drugega. V kombinaciji s prevodom z lastnim glasom je cilj klic, v katerem ljudje, ki nimajo skupnega jezika, drug drugega vidijo in slišijo, kot da bi vsak govoril jezik drugega kot materni jezik.
To je točka na načrtu, še ne izdana funkcija; zgoraj opisan prevod z lastnim glasom pa deluje že danes.