Üzleti fülhallgató tolmács Timekettle W4 Pro AI-val a tesztben: Star Trek trikorder vagy végre a bábeli hal?

Hogy egy tényt rögtön tisztázzunk: A W4 Pro nem helyettesíti az okostelefont a tolmácsoláshoz, a Timekettle alkalmazás abszolút előfeltétele a használatnak, itt érhetőek el először az AI funkciók, és még az 1-1 beszélgetés sem lehetséges alkalmazáskapcsolat nélkül.

Lehetőség van offline fordításra is, de akkor "csak" 13 nyelv áll rendelkezésre. Csak online tárul fel a tolmácsok teljes képessége. A W4 Pro 40 nyelvre tud fordítani, és állítólag 93 akcentust is elsajátít.

A gyártók különös figyelmet fordítanak a szinte zökkenőmentes fordítási sebességre. A válaszidő állítólag mindössze 0,2 másodperc.

Ehhez fontosak a fülhallgatók. Ellentétben például a Timekettle X1-gyel, amely fülbe helyezhető fülhallgatóval rendelkezett, a W4 Pro nyitott kialakítású, aminek teljes mértékben van értelme. Végül is a fülbe dugható fülhallgatók nem tűnhetnek higiénikusnak, különösen az 1-1 beszélgetések során, amikor a két fülhallgató közül az egyiket átadod a másiknak. A W4 Pro-val ellentétben a nyitott kialakítás azt jelenti, hogy nem kell aggódnia amiatt, hogy az előző felhasználó fülzsírja ráragad. Ez megkönnyíti a saját hangod hallását is, ami szintén előnyökkel jár. Mindkét fülhallgatóba három mikrofon van beépítve, amelyek célja, hogy pontosan rögzítsék az elhangzottakat, és kiszűrjék a lényegtelen hangokat.

Maguk a fülhallgatók többnyire műanyagból készülnek. A fülön a helyén maradnak, de eléggé meginognak, ha a viselőjük kicsit gyorsan mozgatja a fejét. Egy kis színes LED jelzi, ha töltés alatt vannak, vagy ha a töltőtokba vannak helyezve. Fröccsenésvédelem vagy egyéb funkciók nincsenek. A W4 Pro szintén elég nagy, még over-ear fejhallgatónak is. Összehasonlításképpen, a Marshall Motif II A.N.C. fülbe dugható fülhallgató.

A töltőtáska még nagyobb és kissé szokatlan. A külső keret alumíniumból készült, a többi műanyag. Két részre osztható, így nem kell a csupasz fülhallgatót a beszélgetőpartner felé nyújtani, hanem a töltőtokban lévő készüléket is át lehet adni. A doboz mérete azonban azt a véleményt is kiválthatja, hogy a W4 Pro nehézkes és lényegesen kevésbé mobilis, mint más fülhallgatók. A tok hátoldalán egy USB-C töltőport található. A töltés állapotát egy LED jelzi. A tok a fülhallgatókkal együtt 187 grammot nyom.

A fenntarthatóság nem játszik szerepet a drága tolmácsfülhallgatók marketingjében; a gyártó nem ad tájékoztatást a felhasznált anyagokról.

A fülhallgatókat elegáns fekete kartondobozba csomagolják, és a belsejében szigetelésként merev habot is használnak.

Mint említettük, a Timekettle alkalmazás használata kötelező, és az első indításkor létre kell hoznia egy fiókot. Sajnos a boltokban nem találod az alkalmazást, egy QR-kód vezet a letöltési oldalra, amiben meg kell bíznod. A készülékek párosításához a helymeghatározást is aktiválni kell minden egyes alkalommal, amikor újraindítjuk az alkalmazást.

Maguk a kézibeszélők csak egyetlen működési funkcióval rendelkeznek: a kézibeszélőkre koppintva a "Listen and Play" módban válthatunk a hallgatás és a beszéd között, ami azért praktikus, mert így nem kell a konferenciaasztalon esetleg ott heverő okostelefonunkért nyúlnunk, hogy a hangunkat minden résztvevőnek lefordítsuk.

A három fordítási mód mellett a One-on-One, a Listen & Play és a Media Translation mellett az offline mód is aktiválható az alkalmazás főképernyőjén, de a médiafordítás ekkor szürkén jelenik meg. A fülhallgató állapota is megjelenik a tetején. Visszajelzéseket közvetlenül a kezdőképernyőn keresztül is lehet küldeni, vagy az ügyfélszolgálathoz lehet fordulni.

Alul is vannak fülek, a "Felfedezés" alatt a Timekettle termékekről van néhány utasítás, a W4 Pro esetében csak egy, mégpedig az, hogy hogyan kell párosítani őket az okostelefonnal. Az AI fül mindenképpen izgalmas. Itt be lehet írni kifejezéseket, és azokat lefordíttathatjuk, sőt, hangosan ki is beszélhetjük. A korábbi beszélgetések és felvételek memói is itt találhatók, amelyeket össze is lehet foglalni. A saját nyelvtudásunkat is edzhetjük, hiszen van egy AI modell, amellyel a gyakorló nyelven beszélhetünk, a modell ezután fejlesztési javaslatokat tesz, és kérdéseket tesz fel, hogy szimuláljon egy beszélgetést. A fordításokban szereplő 40 nyelvvel ellentétben az AI bot a jelek szerint csak angolul, spanyolul és kínaiul érhető el.

A W4 Pro alaptevékenysége. Ha kétnyelvű beszélgetést szeretne folytatni a másik féllel, egyszerűen átadja neki a töltőtartóban lévő két fülhallgató egyikét, beállítja a két nyelvet az alkalmazásban, és máris készen áll. A sok nyelvről természetesen nem tudunk nyilatkozni, mi a tesztben az angolra és a németre koncentráltunk.

A minőség azonban még itt sem éri el az emberi tolmács minőségét. A Timekettle rendszer számára különösen nagy problémát jelentenek a beszélő beszédében a mondat közepén jelentkező szünetek. A mesterséges intelligencia fordító ilyenkor egyszerűen beilleszti a mondat közepébe a nem megfelelő befejezést. Ha a beszélő újra elkezdi és befejezi a mondatot, a mesterséges intelligencia fordító új mondatot kezd. Könnyen elképzelhető, hogy ez néha jelentősen összezavarhatja az elhangzottak jelentését.

Az is észrevehető, hogy a rendszer nem fogja fel a beszélgetés tágabb kontextusát. Bár a fiammal tesztelek (ő német, én angol), és ő "Papa"-nak szólít, a mesterséges intelligencia a beszélgetés során a hozzá intézett megszólításomat is "Du"-nak, majd újra "Sie"-nek értelmezi. Az üzleti kontextusra való tekintettel legalább a "Sie"-hez ragaszkodjon következetesen.

A többi fordítás minősége is meglehetősen közepes, ami a legtöbb esetben a kontextus fel nem ismerésének köszönhető. Az olyan hasonló hangzású szavak, mint a "Meine" és a "Deine" gyakran összekeverednek, ami azt jelenti, hogy a mondanivalónak már nincs értelme; a kontextusfelismerés ezt korrigálhatná. Egy másik példa a kevésbé ismert szavak, amelyeket aztán egyszerűen helytelenül és véletlenszerűen fordítanak le. A mesterséges intelligencia nyilvánvalóan arra sem volt képes, hogy a szövegkörnyezetből kikövetkeztesse, hogy egy szóváltás a slacklining divatos sportról szólt. a "Flecklein" ugyanolyan kevés sport, mint a "Select Lining", bár az AI egy perccel korábban helyesen ismerte fel a "Slackline"-t, de ez nem ragadt meg, így sajnos az AI nem tanul a beszélgetés menetéből. A kontextus felismerése legalábbis nem mindig vezetne új szóalkotásokhoz.

Mivel a fordítás hangja a másik fülében mindig nagyon késik, és nem szeretnénk, ha átbeszélnénk a fordítást, a lehető legjobb fordítás érdekében érdemes bizonyos beszélgetési szabályokat betartani. Ezek közé tartozik a folyékony, de nem túl gyors és tiszta beszéd, gondolkodási szünetek nélküli, de kb. 2 mondat után szünet, világos mondatszerkezetek és minél kevesebb köznyelvi kifejezés. Néhány viselkedési szabályt nehezebb betartani, mint másokat, még üzleti környezetben is.

Valószínűleg a legsokoldalúbb üzemmód. Itt különböző forrásokat hallgathat, és a fordítást a fülére, az átiratot pedig a mobiltelefonjára kapja. Ezt értekezleteken való használatra hirdetik, de rádió- vagy tévéadások is lefordíthatók így, és más helyzetek is elképzelhetők. Ha meg akarja cserélni a szerepeket, és maga akar beszélni, akkor csak annyit kell tennie, hogy a jobb oldali fülhallgatóra vagy az alkalmazásban rákattint, és a saját mobiltelefonja lefordítja, amit a többi tárgyalófél mond.

Másrészt talán ez a leghibásabb üzemmód is, mivel a rendszernek itt gyakran nagyobb, tágabb kontextusban kell működnie, így előfordulhat, hogy több, egymást váltó hanggal, több háttérzajjal és távolabb lévő beszélőkkel kell megbirkóznia. A Timekettle-től megtudtuk azt is, hogy a Listen & Play-ben a Listen rész egyben az egyetlen olyan mód, amelyben a fülhallgató helyett az okostelefon felel a hangfelvételért. A felismerés tehát erősen modellfüggő.

Például lejátszottunk egy YouTube-videót a laptopunk hangszóróin keresztül. Míg a hangerő számunkra normális és magas volt, a W4 Pro láthatóan nem tudott elég jól fogadni. Csak akkor sikerült a fülhallgatót a fordításra motiválni, amikor jelentősen megemeltük a hangerőt. Az is állandóan előfordul, hogy a fordítás elindul, majd egy mondat közepén megáll, mert a felismerés láthatóan szenved az okostelefonos felvételen keresztül (Pixel 7 Pro). Jegyezzük meg, az íróasztalomon egy meglehetősen hangos YouTube-videóval (70%-os laptop hangerő a belső hangszórókon keresztül) háttérzaj nélkül. Még 100%-on is gyakran egyszerűen nem folytatódik a fordítás, ami nem igazán lehet a hangerő miatt. Összességében az üzemmód meglehetősen megbízhatatlan, legalábbis a lejátszott média rögzítésekor.

A természetes hangok rögzítése itt jobban működik, legalábbis háttérzaj nélkül. A fordítás minősége azonban néha hagy némi kívánnivalót maga után. Különösen, ha a beszélő egy kis szünetet tart egy mondat közben, azt gyorsan a mondat végének értelmezi, és a beszélő újra kezdi, ami néha eltorzítja az eredetileg mondottak jelentését. Úgy tűnik, hogy a saját magunk beszéde nagyon jól működik, amit mi magunk mondtunk, azt gond nélkül lefordították, és ha szüneteket tartunk, a megbeszélés résztvevői az okostelefon hangszóróján keresztül hallgathatják a fordításokat.

A Médiafordítás kifejezetten a Timekettle alkalmazással azonos okostelefonon futó alkalmazások fordításáról szól.

Ha tehát a Timekettle alkalmazásban aktiváljuk ezt az üzemmódot, és ezzel egyidejűleg megnyitjuk például a YouTube-ot (vagy a Zoomot stb.), akkor egy videóban a hangokat lefordíttathatjuk, és az elhangzottakat is átírjuk, és ha szeretnénk, eredeti nyelven és fordításban, vagy csak fordításként, vagy egyáltalán nem jelenítjük meg. Eddig minden rendben. A fordítások azért is működnek elég jól és gyorsan, mert az alkalmazás képes a hangsávot közvetlenül az okostelefonról rögzíteni. Az átiratokat tartalmazó overlay ablak kicsinyíthető vagy nagyítható, valamint szabadon mozgatható vagy bezárható - nagyon jó.

Azonban itt is van egy-két kisebb probléma.

1. Mivel az okostelefonon csak egy hangerőbillentyű van az összes alkalmazáshoz, az eredeti hangereje, amely sajnos nem halkul, és a fordítás hangereje átfedésben van, ami nagyon megnehezíti a koncentrációt és különösen a fordítási csatorna hallgatását. Itt az eredeti YouTube-videónak automatikusan halkabbá kellene válnia.
2. A Timekettle azt állítja, hogy a fordítás nagyrészt késleltetésmentes. Ez azonban legfeljebb az átiratra igaz, de a hangra nem. A fordítás hangja csak néhány átírási sorral később kezdődik. Ez azt jelenti, hogy a hang nem esik egybe az átirattal, ami megnehezíti a továbbolvasást. Ami azonban még ennél is rosszabb, hogy a fordítás hangja nem egyezik az eredeti videóval. Például, miközben a mi jó Alexünk egy bizonyos laptopmodellről beszél a videóban (angolul), a német fordító hangja éppen csak elkezdi lefordítani a bevezetőjét. Így sokkal nehezebb követni a videót. A sportmérkőzés összefoglalójában a gólt csak 7-10 másodperc múlva halljuk a hangfordításban.
3. Ha megállítunk egy videót, a (hang)fordítás is kb. 2 másodperccel később áll le. Ennek persze van értelme, de az eredeti és a hangfordítás közötti hosszú késleltetéssel együtt ez azt jelentheti, hogy a videó befejezése után (azaz a videó automatikus leállítása után) bizonyos befejező szakaszokról már nem kapunk hangfordítást. Ha megállítunk egy videót/hangfelvételt, majd újra folytatjuk, a hang a szokásos késleltetés után újra elindul, de csak az új kezdetről; ami a késleltetés és a szünet miatt még nem volt lefordítva a végére, az már nem hallhatóan lefordítva, hanem csak az átiratban olvasható.

Összességében azonban a fordítás egész jól működik, minden tesztelt alkalmazás felismerte, beleértve a VLC lejátszóval vagy az ARD médiatárral történő rádiójátékokat is. Ez nagyon praktikus, és a fordítás minősége lenyűgöző. A Timekettle-nek azonban még dolgoznia kell a fordítási hang hosszú késleltetésén.

Végül is a virtuális érmék nem járhatnak le, de később sem lehet őket kivenni.