DeepL, gigant tłumaczeń tekstowych, wkracza na rynek głosowy. Nowy pakiet narzędzi oferuje tłumaczenie rozmów w czasie rzeczywistym, także na Zoom i Teams.
W skrócie:
- DeepL uruchomił pakiet do tłumaczenia głosu w czasie rzeczywistym, obejmujący spotkania, rozmowy mobilne i grupowe dla pracowników pierwszej linii.
- Firma udostępniła również API, które pozwala deweloperom na tworzenie niestandardowych rozwiązań, na przykład dla zautomatyzowanych centrów obsługi klienta.
- Nowe dodatki do platform Zoom i Microsoft Teams są dostępne w ramach wczesnego dostępu, a firmy mogą już zapisywać się na listę oczekujących.
Świat tłumaczeń maszynowych właśnie zadrżał w posadach. DeepL, niemiecka firma, której synonimem stała się jakość w przekładzie tekstu, postanowiła rzucić rękawicę tam, gdzie do tej pory brakowało prawdziwego czempiona – w tłumaczeniach głosowych na żywo. To nie jest kolejna, kosmetyczna aktualizacja. To strategiczne wejście na zupełnie nowe pole bitwy, które może na zawsze zmienić zasady gry w globalnej komunikacji biznesowej i prywatnej.
Firma, znana z niemal obsesyjnej dbałości o niuanse językowe, zaprezentowała cały pakiet rozwiązań, które mają znieść bariery w rozmowach prowadzonych na spotkaniach, przez telefon czy w aplikacjach webowych. I robi to w swoim stylu – z techniczną precyzją i obietnicą jakości, która zostawiła konkurencję daleko w tyle na rynku tłumaczeń tekstowych.
Jak DeepL chce złamać barierę językową w czasie rzeczywistym?
Głównym wyzwaniem w tłumaczeniu głosu na żywo jest odwieczny konflikt między szybkością a dokładnością. Im niższe opóźnienie (latencja), tym większe ryzyko błędów. DeepL twierdzi, że znalazł złoty środek. “Po spędzeniu tak wielu lat na tłumaczeniu tekstu, głos był dla nas naturalnym krokiem” – mówi Jarek Kutylowski, CEO DeepL, w wywiadzie dla TechCrunch. “Doszliśmy daleko, jeśli chodzi o tłumaczenie tekstu i dokumentów. Ale pomyśleliśmy, że nie ma świetnego produktu do tłumaczenia głosu w czasie rzeczywistym”.
Jak to ma działać w praktyce? DeepL wprowadza dodatki do platform takich jak Zoom i Microsoft Teams, które umożliwią uczestnikom słuchanie tłumaczenia na żywo, podczas gdy prelegenci mówią w swoich ojczystych językach. Alternatywnie można będzie śledzić tłumaczenie w formie tekstu na ekranie. Na razie program jest w fazie wczesnego dostępu, a chętne organizacje mogą zapisywać się na listę oczekujących.
Ponadto firma oferuje narzędzia do rozmów mobilnych i internetowych – zarówno zdalnych, jak i prowadzonych twarzą w twarz. Ciekawym rozwiązaniem jest funkcja rozmów grupowych, na przykład podczas szkoleń czy warsztatów, do których uczestnicy mogą dołączyć, skanując prosty kod QR. To pokazuje, że DeepL myśli nie tylko o korporacyjnych salach konferencyjnych, ale też o bardziej dynamicznych, interaktywnych scenariuszach.
Słownik, który uczy się Twojej firmy
Prawdziwa siła DeepL może jednak leżeć gdzie indziej. Nowa technologia potrafi uczyć się i adaptować do niestandardowego słownictwa. Mowa tu o specyficznej dla branży terminologii, nazwach firmowych czy nawet nazwiskach, które często stanowią problem dla generycznych tłumaczy. To otwiera drzwi do zastosowań, o których konkurencja może na razie tylko pomarzyć.
Kutylowski jest przekonany, że AI na nowo zdefiniuje obsługę klienta w nadchodzących latach. Jak zauważa, warstwa tłumaczeniowa pomaga firmom świadczyć wsparcie w językach, w których wykwalifikowani pracownicy są rzadkością i kosztują fortunę. Zamiast budować wielojęzyczne zespoły w każdym kraju, firmy będą mogły korzystać z jednego, scentralizowanego centrum obsługi, a technologia zajmie się resztą. To wizja, która z pewnością spodoba się niejednemu dyrektorowi finansowemu.
Kto z kim walczy na ringu tłumaczeń AI?
Od strony technicznej DeepL na razie kontroluje cały stos technologiczny, ale działa w modelu kaskadowym: system najpierw zamienia mowę na tekst, potem go tłumaczy, a na końcu ponownie konwertuje na mowę. Firma uważa, że jej wieloletnie doświadczenie w tłumaczeniach tekstowych daje jej tu ogromną przewagę jakościową. W przyszłości celem jest jednak stworzenie modelu end-to-end, który tłumaczyłby głos bezpośrednio, bez etapu pośredniego w postaci tekstu.
DeepL nie wchodzi jednak na pusty rynek. Konkurencja nie śpi i jest dobrze finansowana. Firma Sanas, która pozyskała 65 milionów dolarów, wykorzystuje AI do modyfikacji akcentu mówcy w czasie rzeczywistym, celując głównie w agentów call center. Z kolei dubajskie Camb.AI skupia się na dubbingu i lokalizacji treści wideo dla branży medialnej. Najgroźniejszym rywalem wydaje się jednak Palabra, wspierana przez współzałożyciela Reddita, Alexisa Ohaniana. Buduje ona silnik, który ma tłumaczyć mowę, zachowując przy tym oryginalny głos i intonację mówcy – to bezpośrednia konkurencja dla ambicji DeepL.
Wejście DeepL na rynek tłumaczeń głosowych to nie tylko ewolucja produktu. To sygnał, że bariery językowe, które przez wieki kształtowały naszą cywilizację, zaczynają pękać w szwach pod naporem sztucznej inteligencji. A my jesteśmy tego świadkami tu i teraz.