Din egen röst

När InterMIND översätter ditt tal åt en annan deltagare hör de ingen robotlik uppläsare med text-till-tal. De hör en röst som tydligt är din – med ditt klangfärg och ditt sätt att tala – som nu säger orden på deras språk.

Det fungerar åt båda håll och för varje deltagare oberoende av de andra. I ett möte där fem personer talar fem språk hör var och en de fyra andra på sitt eget språk, och var och en av de fyra låter fortfarande som sig själv.

Hur det låter

De flesta verktyg för liveöversättning ersätter talaren med en enda generisk syntetisk röst. Resultatet är begripligt men platt – man förlorar vem som talar, betoningen, personligheten. InterMIND behåller talarens röst, så att ett översatt möte känns som ett samtal mellan de människor som faktiskt deltar, inte som en kö av utrop upplästa av en maskin.

Så fungerar det

InterMIND använder en kaskadbaserad pipeline, och röststeget är det sista ledet:

1. Taligenkänning – dina ord transkriberas på ditt eget språk medan du talar.
2. Segmentering – transkriptionen grupperas i stabila meningsfragment (satser) så att översättningen kan börja innan du har talat klart meningen.
3. Översättning – varje fragment översätts stegvis till lyssnarens språk.
4. Röstsyntes – varje översatt fragment talas upp med hjälp av ett prov av din egen röst och skickas till lyssnaren.

Medan mötet fortfarande samlar tillräckligt mycket av ditt tal för att modellera din röst (ungefär de första 5–10 sekunderna) använder syntesen det ljudfragment som motsvarar det du just sa på ditt källspråk. När provet är tillräckligt långt byter den till att använda det för allt som följer. I praktiken märker du inget byte – översättningen låter mer som du ju längre samtalet pågår. Det blir inte en felfri imitation av din röst, men den är tydligt du snarare än en generisk uppläsare – och den blir bättre ju mer modellen hör av dig.

Språk

Översättning med din egen röst finns för alla 23 röstspråk – samma uppsättning som anges i Välja språk. Det finns inget som behöver aktiveras separat: när översättning är på hör deltagarna automatiskt dig med din egen röst.

Ditt sparade röstprov (valfritt)

Inloggade användare kan hoppa över uppvärmningen genom att spela in ett röstprov en gång i Inställningar → Din röst i översättning: tryck på Spela in min röst, säg siffrorna från ett till tio i valfri ordning, så sparas provet automatiskt när alla tio har lyst upp. Från och med ditt nästa möte får ditt översatta tal din röst redan från första meningen.

Integritet

Två prover, två livslängder. Det live-prov som används för uppvärmningen under mötet är tillfälligt: det finns bara under själva livemötet och lagras ingenstans; Mind API och SDK som driver realtidssessionen sparar inga data när konferenssessionen avslutas. Det sparade provet från Inställningar lagras tillsammans med ditt konto för ett enda ändamål, att ge ditt översatta tal din röst, skickas till översättningsmotorn varje gång du går med i ett möte och raderas i samma stund som du tar bort det eller raderar ditt konto. Inget av dem är en av InterMINDs funktioner för video- och ljudinspelning, som är separata, uttryckliga inspelningar som du startar medvetet.

På färdplanen: läppsynk

Att höra översättningen med din egen röst är första halvan av ett större mål. Nästa steg vi arbetar mot är läppsynk – att justera tidpunkten för talarens mun i bild så att den matchar det översatta ljudet, så att varje deltagare ser ut att tala den andres språk. Tillsammans med översättning med egen röst är målet ett samtal där människor som inte delar något gemensamt språk ser och hör varandra som om var och en talade den andres språk som modersmål.

Det här är ett punkt på färdplanen, inte en lanserad funktion ännu – översättningen med egen röst ovan är live idag.