JotMe

Zacznij z JotMe

Wybierz sposób pracy w różnych językach.

Aplikacja komputerowa do spotkań, wydarzeń i codziennej pracy

Dokładne tłumaczenie na żywo, transkrypcja, notatki AI, AI Memory, tłumaczenie plików, wiadomości wielojęzyczne, pisanie głosowe i inne funkcje.

Aplikacja mobilna w podróży

Dokładne tłumaczenie na żywo i tłumaczona mowa w obsługiwanych językach podczas rozmów twarzą w twarz.

Rozszerzenie do Google Meet

Tłumaczenie na żywo, transkrypcja i notatki AI ze spotkań w rozszerzeniu do Chrome.

Dodaj do Chrome

Artykuły

Tłumaczenie kontekstowe i spersonalizowane: jak JotMe wykorzystuje dane, by trafniej oddawać znaczenie

Data publikacji:

Dowiedz się, jak JotMe wykorzystuje profile użytkowników, kontekst pracy, pamięć rozmowy i własną terminologię, by wspierać szybkie, dokładne tłumaczenie AI podczas spotkań i na czacie.

Tłumaczenie kontekstowe i spersonalizowane: jak JotMe wykorzystuje dane, by trafniej oddawać znaczenie

Dokładność tłumaczenia jest jednym z najważniejszych celów JotMe. W codziennych lub cotygodniowych spotkaniach pojawiają się informacje, których błędne zrozumienie może mieć znaczenie. Właśnie dlatego klienci zwracają uwagę na jakość przekazu.

Dlaczego wiele tłumaczeń AI nadal nie oddaje dobrze sensu, mimo że korzysta z AI?

W tym artykule chcę przejrzyście wyjaśnić, jak wykorzystujemy dane, by tłumaczenie lepiej pasowało do Twojej pracy.

Wiele platform tłumaczeniowych już dziś tworzy poprawne gramatycznie zdania, więc wynik nie musi być błędny. To samo zdanie można jednak przełożyć na różne sposoby zależnie od kontekstu. Tłumaczenie może wydawać się nietrafne, gdy AI nie wie, co chcesz przekazać i co odbiorca już usłyszał.

Rozważmy zdanie:

„The model is hallucinating.”

Bez kontekstu słowo „model” może oznaczać osobę pracującą jako model, która doświadcza halucynacji po zażyciu narkotyków, albo model AI generujący nieprawdziwe informacje.

Jeśli tłumaczenie AI uwzględnia, że pracujesz nad produktem AI i rozmawiasz o nowych funkcjach, łatwiej wybrać drugie znaczenie.

To prosty przykład. Im bardziej złożona rozmowa i im więcej informacji obejmuje, tym trudniejsze staje się to zadanie.

Przyjrzyjmy się więc temu, jak wykorzystujemy dane w JotMe, by tłumaczenie trafniej uwzględniało kontekst.

__wf_reserved_inherit

Dwa rodzaje tłumaczenia w JotMe

W JotMe rozróżniamy dwa rodzaje tłumaczenia:

  1. Tłumaczenie na żywo — napisy w czasie rzeczywistym i obsługiwane tłumaczenie mowy
  2. Tłumaczenie tekstu — transkrypcje, wprowadzony tekst i czat

‍

Jak tłumaczenie na żywo korzysta z kontekstu

Uwzględniamy następujące źródła kontekstu:

Profil użytkownika

Informacje poznane od momentu zalogowania pomagają zbudować profil użytkownika. Nasi agenci AI mogą również korzystać z publicznie dostępnych informacji o Tobie w internecie, aby poprawiać trafność tłumaczenia.

Kontekst pracy

Opisuje to, czym zajmujesz się zawodowo. Budujemy go na podstawie notatek ze spotkań, wiadomości w JotMe Chat, przesłanych plików i interakcji z JotMe AI.

Uprawnieni użytkownicy mogą również łączyć usługi używane w pracy, takie jak Gmail, Outlook, Notion, Google Drive i Microsoft Teams, aby wzbogacić kontekst pracy.

Pamięć rozmowy na żywo

Obejmuje treść omawianą podczas spotkania i jest aktualizowana w miarę rozwoju rozmowy.

Własne terminy i żargon

Użytkownicy mogą dodawać własną terminologię i żargon branżowy.

U uprawnionych użytkowników możemy również aktualizować te terminy automatycznie na podstawie kontekstu pracy.

Połączenie z wcześniejszymi wypowiedziami

Uwzględniamy jeden lub dwa wcześniejsze przetłumaczone fragmenty, aby kolejne wypowiedzi tworzyły spójną całość.

‍

Jak tłumaczenie tekstu korzysta z kontekstu

Tłumaczenie tekstu działa podobnie, lecz zamiast pamięci bieżących wypowiedzi używa pamięci rozmowy i wcześniejszych wiadomości na czacie.

Profil użytkownika

Informacje poznane od momentu zalogowania pomagają zbudować profil użytkownika. Nasi agenci AI mogą również korzystać z publicznie dostępnych informacji o Tobie w internecie, aby poprawiać trafność tłumaczenia.

Kontekst pracy

Opisuje to, czym zajmujesz się zawodowo. Budujemy go na podstawie notatek ze spotkań, wiadomości w JotMe Chat, przesłanych plików i interakcji z JotMe AI.

Uprawnieni użytkownicy mogą również łączyć usługi używane w pracy, takie jak Gmail, Outlook, Notion, Google Drive i Microsoft Teams, aby wzbogacić kontekst pracy.

Pamięć rozmowy

Obejmuje trwającą rozmowę na czacie i aktualizuje się wraz z kolejnymi wiadomościami.

Własne terminy i żargon

Użytkownicy mogą dodawać własną terminologię i żargon branżowy.

U uprawnionych użytkowników możemy również aktualizować te terminy automatycznie na podstawie kontekstu pracy.

Połączenie z wcześniejszymi wiadomościami

Uwzględniamy jedną lub dwie wcześniejsze wiadomości, aby tłumaczona rozmowa była spójna i naturalna.

‍

AI poprawiła jakość tłumaczenia, ale nadal pozostają wyzwania

AI znacznie poprawiła jakość tłumaczenia, ale nadal nie rozwiązuje każdego problemu.

Jak wspomniałem, jedno zdanie można często przetłumaczyć na kilka sposobów. Bez odpowiedniego kontekstu AI może nie wiedzieć, jakie znaczenie zamierzał przekazać rozmówca i jakiej wersji oczekuje odbiorca.

Samo dodawanie kontekstu nie zawsze pomaga. Jego nadmiar może pogorszyć wynik — zjawisko to bywa określane jako context rot. Modelowi trudniej wtedy rozpoznać informacje, które rzeczywiście mają znaczenie.

Pozostaje też kompromis wydajności. Tłumaczenie na żywo działa w czasie rzeczywistym, a większa ilość kontekstu może wydłużyć generowanie wyniku.

W opisywanych badaniach niektóre nasze eksperymenty potrzebowały ponad 30 sekund na wynik. To zbyt długo, by wygodnie prowadzić rozmowę na żywo.

W naszych opisanych testach opóźnienie około 1–5 sekund było dla wielu użytkowników naturalne, a zarazem pozwalało systemowi uwzględnić dość kontekstu, by tworzyć dokładne tłumaczenia. To obserwacja z testów, a nie gwarantowane opóźnienie każdej sesji.

Znalezienie właściwej równowagi między kontekstem, szybkością i dokładnością jest jednym z głównych problemów badawczych, nad którymi pracujemy w JotMe.

Będziemy dalej inwestować w te prace, aby dostarczać firmom możliwie dokładne tłumaczenie AI.

Do zobaczenia następnym razem.