想象一下：你正在与东京、圣保罗和柏林的团队进行视频通话。你说：“我们下周再来吧。” 但你的巴西同事听到的却是：“我们下周轮流开会吧。”
欢迎来到视频会议实时翻译的新世界，人工智能精通 100 多种语言，但仍然不知道你在讽刺什么。
虽然 Zoom、Teams 和 Google Meet 等平台已经成为视频会议的王者，但如何在这些会议中打破语言和人际互动障碍的竞争现在已经开始。
承诺……与现实
目前已有多种服务可提供数百种语言的实时字幕和标题、实时翻译的聊天信息以及人工智能驱动的语音翻译。
然而，尽管这些令人印象深刻的进步在 10 年前几乎是不可想象的，但目前的新一代翻译服务也存在着明显的缺陷：
- 准确性差异很大。虽然语音到文本的技术已经非常成熟，尤其是在英语、西班牙语和普通话等高资源语言方面，但在其他语言方面，质量可能会下降。
- 在嘈杂或低质量的音频环境中操作有困难。
- 难以匹配带有重口音或重叠语音的对话。
- 难以解释特定行业的行话、缩略语或复杂术语。
大多数实时翻译工具只提供字面意思，但缺乏感性智能，无法捕捉讽刺、幽默或文化微妙之处。德语中的一个笑话可能会被翻译成平淡笨拙的英语，而葡萄牙语中沮丧的语气可能会被翻译成中性的。
这可能会导致误解或削弱国际同事之间的信任。
虽然边缘计算和 5G 等低延迟网络正在取得进展，但一些平台在将语音转换成另一种语言时仍会产生延迟。这阻碍了自然对话，使讨论感觉机械。
玩家谁领先？
- Zoom 通过 Kudo 和 Interprefy 等合作伙伴，利用人工智能和人工翻译功能集成了十几种语言的实时翻译。
- Microsoft Teams 提供实时字幕和翻译，并由 Azure 认知服务提供支持。
- Google Meet 提供英语、西班牙语、法语等语言的实时字幕，并通过 AI 更新推出扩展的语言支持。
初创企业和科技巨头也在尝试人工智能头像、情感感知语音引擎和自适应音调翻译——这是使多语言交流更加人性化的下一个前沿。
上周，Google Beam 终于正式推出，其目标是为视频会议体验带来人性化体验。
该项目前身为 Starline 项目，其专注于完善人机交互的细节（以及即将发布的实时翻译功能），可能会改变游戏规则。
Google Beam 总经理 Andrew Nartker 表示，其 AI 视频模型与光场显示器的结合创造了“一种深刻的维度感和深度感，让你能够进行眼神交流，解读微妙的暗示，并建立理解和信任，就像面对面一样。”
下一步：迈向情商翻译
虽然视频会议中的实时翻译已经取得了长足的进步，但它还不能完全取代人类流畅的理解。
视频会议实时翻译的未来不仅在于理解所说的内容，还在于理解所说的方式。
OpenAI 和 DeepL 等公司也在探索这种深度和“维度”，他们正在开发先进的大型语言模型，这种模型可以根据礼貌和文化规范调整语气，检测和反映情感细微差别，根据上下文翻译成语和幽默，并个性化语音翻译，使之更像说话者的真实声音。
市场上的翻译工具足够可靠，可用于日常业务使用、内部会议、项目签到和非正式电话，但对于关键对话、敏感话题或具有法律约束力的讨论，人工翻译仍然至关重要。
随着人工智能变得越来越智能，情感意识也越来越强，我们很快就能与地球另一端的人进行视频通话，并且感觉就像在各个方面都真正说着同一种语言。
在此之前，一点耐心（或许还有一位双语同事）仍然会大有帮助。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/58482.html
