DeepL, daha çox mətn tərcümə alətləri ilə tanınan şirkət, bu gün səsdən-səsə tərcümə paketini təqdim edib. Bu sistem görüşlər, mobil və veb söhbətlər, həmçinin xüsusi tətbiqlər vasitəsilə ön cəbhədə çalışan işçilər üçün qrup danışıqları kimi istifadə sahələrini əhatə edir.

Şirkət eyni zamanda yeni bir API də təqdim edir ki, bu da xarici developer və bizneslərə DeepL texnologiyası üzərində özlərinə uyğun həllər qurmağa imkan verir (məsələn, call center sistemləri üçün).

DeepL-in CEO-su Jarek Kutylowski TechCrunch-a müsahibəsində bildirib: “Bu qədər il mətn tərcüməsi üzərində işlədikdən sonra səsə keçid bizim üçün təbii addım idi. Mətn və sənəd tərcüməsində böyük irəliləyiş əldə etmişik, amma real vaxt səs tərcüməsi üçün yaxşı məhsulun olmadığını düşündük.”

Kutylowski qeyd edib ki, real vaxt tərcümə məhsulu yaratmağın əsas çətinliyi gecikməni (latency) azaltmaqla tərcümə dəqiqliyini qorumaq arasında balans tapmaqdır. Yəni istifadəçi danışdıqdan sonra tərcümənin səsləndirilməsi arasındakı gecikmə minimum olmalıdır, amma nəticə dəqiq qalmalıdır.

DeepL həmçinin Zoom və Microsoft Teams kimi platformalar üçün əlavələr təqdim edir. Bu əlavələr sayəsində istifadəçilər ya real vaxtda tərcümə olunmuş səsi eşidə, ya da ekranda canlı tərcümə mətnini izləyə bilirlər. Hazırda bu proqram erkən giriş mərhələsindədir və şirkət təşkilatları gözləmə siyahısına qoşulmağa dəvət edir.

Bundan əlavə, DeepL mobil və veb əsaslı söhbətlər üçün də məhsul təqdim edir – bu söhbətlər həm fiziki görüşlərdə, həm də uzaqdan həyata keçirilə bilər.

Sistem həmçinin təlimlər və workshop-lar kimi mühitlərdə qrup söhbətlərinə imkan verir; iştirakçılar QR kod vasitəsilə qoşula bilirlər.

DeepL bildirib ki, onun səsdən-səsə tərcümə texnologiyası xüsusi terminologiyanı öyrənə və uyğunlaşa bilir – məsələn, sahəyə xas terminlər, şirkət adları və şəxsi adlar.

Kutylowski əlavə edib ki, süni intellekt yaxın illərdə müştəri xidmətlərinin formasını dəyişir. Tərcümə qatı şirkətlərə o dillərdə dəstək göstərməyə imkan verir ki, həmin dillər üzrə ixtisaslı əməkdaş tapmaq çətin və bahalıdır.

Şirkət bildirib ki, səsdən-səsə tərcümə texnologiyasının bütün texniki “stack”inə nəzarət edir. Lakin hazırkı sistem belə işləyir: əvvəlcə səs mətnə çevrilir, sonra tərcümə edilir, daha sonra isə yenidən səsə çevrilir. DeepL hesab edir ki, illərlə mətn tərcüməsi üzərində işlədiyi üçün tərcümə keyfiyyəti baxımından üstünlüyə malikdir.

Gələcəkdə şirkət mətni aradan qaldıraraq birbaşa səsdən-səsə işləyən (end-to-end) tərcümə modeli yaratmağı planlaşdırır.

DeepL bu sahədə bir neçə maliyyələşdirilmiş startapla rəqabət aparır:

• Sanas – ötən il Quadrille Capital və Teleperformance tərəfindən 65 milyon dollar investisiya alıb. Bu şirkət real vaxtda danışanın aksentini dəyişən AI texnologiyası üzərində işləyir, əsasən call center əməkdaşları üçün nəzərdə tutulub.
• Camb.AI – media və əyləncə şirkətləri üçün səs sintezi və tərcümə həlləri təqdim edir, həmçinin Amazon Web Services ilə işləyərək videoların dublyaj və lokalizasiyasını geniş miqyasda həyata keçirməyə fokuslanır.
• Palabra – Alexis Ohanian-ın Seven Seven Six fondu tərəfindən dəstəklənir. Bu startap real vaxt səs tərcümə sistemi hazırlayır və həm məzmunu, həm də danışanın orijinal səsini qorumağa çalışır. Bu isə onu DeepL-in inkişaf etdirdiyi texnologiya ilə birbaşa rəqib edir.