ترجمهٔ صوت‌به‌صوت هم‌زمان JotMe برای جلسات و رویدادها

این قابلیت را چگونه ساختیم؟

چند سال است روی ترجمهٔ هم‌زمان گفتار به گفتار کار می‌کنیم.

از آغاز JotMe فکر می‌کردیم گفت‌وگوی طبیعی میان زبان‌ها می‌تواند بخش مهمی از همکاری بین‌المللی باشد. آن زمان ابزارها برای استفادهٔ گسترده آماده نبودند.

• تولید صدا کند بود.
• ترجمه به‌خوبی از بافت جمله استفاده نمی‌کرد.
• صداهای مصنوعی طبیعی به نظر نمی‌رسیدند.
• تأخیر ریتم گفت‌وگو را به هم می‌زد.
• هزینه هم برای استفادهٔ روزمره مناسب نبود.

به همین دلیل قابلیت را عمومی نکردیم. چند مشتری سازمانی حاضر شدند نسخه‌های اولیه را آزمایش کنند و بازخوردشان به شکل‌گیری محصول کمک کرد.

یکی از نقاط عطف، معرفی GPT-Realtime-2 از سوی OpenAI در مه ۲۰۲۶ بود.

مدل‌های صوتی هم‌زمان امکان دریافت گفتار و تولید پاسخ صوتی را در یک نشست فراهم کردند. برای یک گفت‌وگوی واقعی، مدیریت مکث و رفت‌وبرگشت میان گویندگان همچنان مهم است.

برای استفاده از ترجمهٔ صوتی در محیط کار، هنوز باید دو مسئلهٔ عملی را حل می‌کردیم.

۱. بافت و اصطلاحات کار

ترجمه در محیط کار فقط به واژه‌ها وابسته نیست؛ بافت هم مهم است.

نام محصولات، مشتری‌ها، پروژه‌ها و اصطلاحات داخلی می‌توانند معنی جمله را تغییر دهند. مترجم باید آن‌قدر از زمینه بداند که نام یا اصطلاح را با یک واژهٔ عمومی اشتباه نگیرد.

بافت مناسب می‌تواند خطا را کمتر کند. فقط اطلاعات لازم و مجاز را در اختیار ابزار بگذارید و اصطلاحات حساس را جداگانه بررسی کنید.

۲. رساندن صدای ترجمه به شنونده

مسئلهٔ دوم عملی بود: صدای ترجمه چگونه به شنونده در تماس، وبینار، رویداد یا جلسهٔ فروش می‌رسد؟

در زمان معرفی این قابلیت، تیم JotMe روی تنظیم بافت و مسیر رساندن صدا کار کرد. در ادامه تنظیمات و محدودیت‌های حالت‌های پشتیبانی‌شده را می‌بینید.

‍

این فناوری برای کسب‌وکارهای بین‌المللی چه معنایی دارد؟

ابزارهای دسکتاپ راه دیگری برای آزمایش ترجمهٔ صوتی در جلسات فراهم می‌کنند. هزینه و روش استقرار به تعداد کاربران، نوع جلسه و الزامات سازمان بستگی دارد.

بخش جذاب‌تر این است که افراد بتوانند با رفت‌وبرگشت کمتر، در گفت‌وگو شرکت کنند.

در گفت‌وگوهای چندزبانه، انتقال پیام بین چند نفر یا چند ابزار ممکن است باعث مکث و از دست رفتن بخشی از منظور شود. مترجم انسانی همچنان در موقعیت‌های حساس نقش مهمی دارد.

ترجمهٔ گفتار به گفتار تلاش می‌کند هم‌زمان با ادامهٔ گفت‌وگو، پیام را به زبان شنونده برساند. نام‌ها، عددها و تعهدهای مهم را دوباره تأیید کنید.

شاید بازی کشیدن شکل روی پشت نفر بعدی را دیده باشید. هر نفر شکل را از روی حس خود منتقل می‌کند و نتیجهٔ نهایی ممکن است با تصویر اول فرق زیادی داشته باشد.

در ارتباط چندزبانه هم با هر بار بازگویی ممکن است جزئیاتی عوض شود. ترجمهٔ مستقیم یکی از راه‌های کم‌کردن این رفت‌وبرگشت است.

‍

چرا از ترجمهٔ هم‌زمان گفتار به گفتار JotMe استفاده کنیم؟

JotMe برای گفت‌وگوهای کاری طراحی شده است. نام محصول، پروژه و اصطلاحات تیم می‌توانند به تشخیص معنی کمک کنند. میزان استفاده از واژه‌نامه یا بافت پیشین به قابلیت انتخابی و دسترسی‌های شما بستگی دارد.

نسخهٔ دسکتاپ در کنار Zoom، Google Meet و Microsoft Teams و برای بعضی کاربردهای حضوری یا صوت دستگاه قابل تنظیم است. در حالت Fast زبان گفتار به‌طور خودکار شناسایی می‌شود و در زمان بررسی، خروجی صوتی در ۱۳ زبان ارائه شده است.

در حالت پشتیبانی‌شده می‌توانید در کنار صدای ترجمه، متن گفتار و ترجمه را هم ببینید. اگر نشست را نگه دارید، بسته به قابلیت‌ها و سهمیهٔ حساب، رونوشت و یادداشت را بعداً مرور کنید.

‍

‍

چگونه ترجمهٔ گفتار به گفتار را راه‌اندازی کنیم؟

در نسخهٔ دسکتاپ، ترجمهٔ صوتی گفتار به گفتار صدای ورودی را دریافت می‌کند، ترجمه را می‌سازد و آن را در مسیر انتخاب‌شده پخش می‌کند.

پیش از شروع نشست، در تنظیمات زبان Fast (Audio) را انتخاب کنید، سپس زبان خروجی Fast را تنظیم کنید و به منوی ترجمهٔ گفتار به گفتار برگردید.

حالت Fast زبان گفتار را خودکار تشخیص می‌دهد. در زمان بررسی، خروجی صوتی برای زبان‌های زیر در دسترس بود:

چینی ماندارین ساده‌شده، انگلیسی، فرانسوی، آلمانی، هندی، اندونزیایی، ایتالیایی، ژاپنی، کره‌ای، پرتغالی، روسی، اسپانیایی و ویتنامی.

حالت ۱: جلسهٔ آنلاین

برای استفاده در جلسهٔ آنلاین مانند Zoom، Google Meet یا Microsoft Teams، ابتدا دریافت صدا و مسیر پخش را تنظیم کنید. در سایر برنامه‌ها سازگاری دستگاه صوتی را آزمایش کنید.

حالت جلسهٔ آنلاین سه جهت ترجمه دارد.

دوطرفه

این حالت را وقتی انتخاب کنید که هر دو طرف به صدای ترجمه‌شده نیاز دارند.

• شما صدای طرف مقابل را به زبان انتخابی خود می‌شنوید.
• طرف مقابل صدای ترجمه‌شدهٔ شما را به زبان تنظیم‌شده می‌شنود.
• برنامه برای صدای ورودی و خروجی مسیرهای جداگانه در نظر می‌گیرد.
• برای جلسهٔ دوزبانه، تماس پشتیبانی، مصاحبه یا آموزش، پیش از جلسه هر دو مسیر را با هدفون امتحان کنید.

در مک، برای حالت دوطرفه BlackHole 2ch و BlackHole 16ch لازم‌اند. طبق راهنمای برنامه، صدا از مسیر 2ch دریافت و ترجمهٔ خروجی از مسیر 16ch به تماس فرستاده می‌شود.

در ویندوز، راهنما VB-CABLE را برای فرستادن صدا و Virtual Audio Cable Line 1 را برای حالت دوطرفه توضیح می‌دهد. نام دقیق میکروفون و بلندگو را از تنظیمات همان حالت در JotMe بردارید.

فقط شنیدن

وقتی فقط می‌خواهید ترجمهٔ صحبت دیگران را بشنوید، این حالت را انتخاب کنید.

• JotMe صدای جلسه یا دستگاه انتخاب‌شده را دریافت می‌کند.
• ترجمهٔ صوتی از هدفون یا بلندگوی شما پخش می‌شود.
• این مسیر برای ترجمهٔ میکروفون شما تنظیم نشده است.

در مک، راهنما دریافت صدای جلسه از BlackHole 2ch را توضیح می‌دهد. در ویندوز دستگاه دریافت صدا را مطابق راهنمای داخل برنامه برای همان حالت انتخاب کنید.

فقط صحبت کردن

اگر می‌خواهید دیگران ترجمهٔ حرف شما را در جلسه بشنوند، این حالت را انتخاب کنید.

• JotMe صدای میکروفون شما را دریافت می‌کند.
• صدای ترجمه به ورودی میکروفون مجازی برنامهٔ جلسه می‌رود.
• این مسیر برای ترجمهٔ صدای دیگر شرکت‌کنندگان تنظیم نشده است.

در مک میکروفون برنامهٔ جلسه را روی BlackHole 2ch و در ویندوز روی CABLE Output (VB-Audio Virtual Cable) بگذارید، مطابق مسیر نشان‌داده‌شده در JotMe.

اگر دستگاه مجازی پیدا نشد، تنظیمات حالت ممکن است غیرفعال بماند. درایور لازم را نصب کنید و اگر هنوز در فهرست نیست، رایانه را راه‌اندازی مجدد کنید.

حالت ۲: سایر منابع صدا

اگر صدا از برنامهٔ جلسه نمی‌آید، حالت Other را انتخاب کنید.

صدای میکروفون

برای نمونه در این موقعیت‌ها:

• گفت‌وگوهای حضوری
• رویداد حضوری
• مصاحبه
• کلاس
• نمایش محصول در غرفه
• کار میدانی

صدای دستگاه

برای نمونه در این موقعیت‌ها:

• ویدئوها
• پخش زنده
• وبینارها
• مطالب آموزشی
• پادکست
• صدای محتوای دیگری که در همان رایانه پخش می‌شود

در حالت Other ترجمه به میکروفون یک برنامهٔ جلسه فرستاده نمی‌شود، بنابراین به دستگاه صوتی مجازی نیاز ندارد.

حالت ۳: اشتراک‌گذاری

وقتی شرکت‌کنندگان می‌خواهند از دستگاه خود ترجمه بگیرند، از اشتراک‌گذاری استفاده کنید.

• اشتراک با پیوند: مخاطب مجاز ترجمه را در مرورگر باز می‌کند.
• اشتراک با کد: کاربر دیگر JotMe دسکتاپ می‌تواند با وارد کردن کد به نشست بپیوندد.
• برای دسترسی سریع می‌توانید کد QR نمایش دهید.
• شرکت‌کننده از زبان‌های فعال در نشست انتخاب می‌کند.
• در نشست‌های واجد شرایط، میزبان می‌تواند صدای ترجمه را برای مخاطب فعال کند. راهنما برای خروجی صوتی شرکت‌کننده ضریب ۵ برابری دقیقهٔ ترجمه ذکر می‌کند؛ مصرف کل و حالت‌های مجاز را قبل از رویداد بررسی کنید.

این روش برای کلاس، وبینار، بازدید کارخانه، نمایش محصول و رویداد چندزبانه مفید است؛ به‌خصوص وقتی مخاطبان زبان‌های متفاوتی می‌خواهند.

‍

ترجمهٔ هم‌زمان گفتار به گفتار JotMe کجا کاربرد دارد؟

جلسه‌های تیمی چندزبانه

در تیم بین‌المللی ممکن است افراد برای ترجمه مکث کنند یا کمتر حرف بزنند. شنیدن ترجمه به زبان آشنا می‌تواند به دنبال کردن بحث و مشارکت کمک کند. نتیجه به زبان، صدا و شیوهٔ گفت‌وگو بستگی دارد.

تماس فروش بین‌المللی

در گفت‌وگوی فروش، لحن و زمان پاسخ مهم‌اند. با ترجمهٔ صوتی می‌توانید بحث را دنبال کنید، ولی قیمت، شرط و تعهدها را دوباره با مشتری تأیید کنید.

پشتیبانی و ارتباط با مشتری

در تماس راه‌اندازی، تمدید یا عیب‌یابی، ترجمه می‌تواند به درک سریع‌تر مشکل کمک کند. برای موضوع پیچیده یا حساس، امکان بازبینی انسانی داشته باشید.

استخدام بین‌المللی و مصاحبه

مصاحبه به زبان دوم همیشه توانایی فرد را به‌درستی نشان نمی‌دهد. ترجمهٔ صوتی می‌تواند به فهم سؤال و پاسخ کمک کند؛ تصمیم استخدامی را بر پایهٔ ترجمهٔ ماشینی به‌تنهایی نگیرید.

رویدادها و وبینارها

در وبینار و نشست چندزبانه، مخاطبان می‌توانند با پیوند یا کد QR به گزینه‌های فعال دسترسی پیدا کنند. پیشاپیش زبان‌ها، ظرفیت، شبکه و خروجی صوتی را آزمایش کنید.

آموزش و کارگاه

در کلاس یا آموزش سازمانی، ترجمهٔ زنده می‌تواند به دنبال کردن توضیح‌های پیچیده کمک کند. برای اصطلاحات تازه، متن یا نمونهٔ تکمیلی هم آماده کنید.

تولید و همکاری با تأمین‌کننده

در بازدید کارخانه، جلسهٔ کنترل کیفیت یا آموزش فنی، نام قطعه و جزئیات فرایند اهمیت دارند. واژه‌نامهٔ مجاز را پیش از جلسه آماده کنید و دستورهای حساس را بازخوانی کنید.

سفر و مهمان‌داری

تیم هتل، راهنما یا برگزارکننده می‌تواند برای گفت‌وگوی روزمره با مهمان، هماهنگی با تأمین‌کننده یا توضیح تغییر برنامه از ترجمهٔ صوتی کمک بگیرد.

بازبینی محتوا و رسانه

خارج از جلسه، در حالت صدای دستگاه می‌توانید محتوایی مانند ویدئو، پخش زنده، پادکست یا آموزش را هنگام پخش ترجمه کنید. ابتدا کیفیت صدا و مجوز استفاده از محتوا را بررسی کنید.

‍

سخن پایانی

ترجمهٔ گفتار به گفتار می‌تواند بخشی از گفت‌وگوهای کاری چندزبانه باشد. برای شروع آن را با زبان‌ها و دستگاه‌های موردنیاز خود آزمایش کنید. برای بازخورد یا گفت‌وگو دربارهٔ استقرار سازمانی، به hey@jotme.io ایمیل بزنید.

‍