Как мы это создали

Мы потратили годы на создание голосового перевода речи в реальном времени.

С первых дней JotMe мы были уверены: возможность естественно говорить на своём языке и быть понятым станет одним из главных интерфейсов глобального бизнеса. Но технологии были не готовы.

• Генерация аудио работала медленно.
• Перевод терял контекст.
• Голоса звучали роботизированно и неестественно.
• Задержка разрушала ритм разговора.
• И главное — экономика не сходилась.

Из-за этих ограничений мы так и не выпустили функцию для широкой аудитории. Лишь несколько дальновидных корпоративных клиентов были готовы экспериментировать вместе с нами — и для нас было честью строить продукт бок о бок с ними.

Всё изменилось 8 мая 2026 года, когда OpenAI представила GPT-Realtime-2.

Впервые ИИ научился слушать, думать и отвечать голосом, пока вы ещё говорите. Голосовое взаимодействие перестало быть красивым демо и стало инфраструктурой.

Но оставались две большие задачи, без решения которых голосовой перевод не мог стать частью «операционной системы» глобального бизнеса.

1. Операционный контекст в реальном времени

Перевод — это не проблема языка. Это проблема контекста.

Переводчику нужно понимать, кто говорит, над каким проектом работает команда, знать внутреннюю терминологию, имена клиентов, названия продуктов, историю принятых решений, структуру команды и многое другое.

Без контекста ошибается даже лучшая модель. Чтобы эффективно общаться на работе, ИИ нужен доступ к тем же операционным знаниям, которыми сотрудники пользуются каждый день.

2. Доставка аудио

Вторая задача оказалась на удивление практической: как доставить переведённый голос в онлайн-встречи, на мероприятия, вебинары, звонки по продажам и разговоры с клиентами?

Последний месяц мы решали именно эти задачи. Сегодня мы открываем результат для всех.

‍

Что эта технология значит для глобального бизнеса

Технология, которая раньше требовала индивидуального внедрения и годовых контрактов от 50 000 долларов, теперь доступна каждому.

Но нас вдохновляет не только демократизация передовых технологий.

Десятилетиями общение между языками держалось на письменных и устных переводчиках и множестве промежуточных звеньев. Каждая передача добавляет задержку, недопонимание и потерю контекста.

Мы верим, что перевод голоса в голос меняет это. Люди говорят естественно, на своём языке, а ИИ выполняет синхронный голосовой перевод в реальном времени, сохраняя больше исходного смысла и намерения разговора.

Это похоже на игру в «испорченный телефон». Или вспомните челлендж с рисованием на спине: один человек рисует на спине другого, а тот пытается воспроизвести рисунок на бумаге. К финалу рисунок часто не имеет ничего общего с оригиналом.

Межъязыковое общение долгие годы работало примерно так же. Теперь мы впервые начинаем убирать эти промежуточные слои.

‍

Почему перевод речи в речь в реальном времени от JotMe?

JotMe создан для рабочих разговоров, где ИИ нужны не только слова, но и операционный контекст: названия продуктов, имена клиентов, история проекта, терминология команды и заметки с прошлых встреч. Этот контекст помогает сохранять деловой смысл прямо по ходу разговора, а перевод получается естественнее и полезнее для реальной работы.

JotMe также не привязан к платформе. Где бы ни шёл разговор — в Zoom, Google Meet, Microsoft Teams, на мероприятии, в учебной аудитории или лицом к лицу, — десктопное приложение JotMe поддержит этот сценарий. Поддерживаются более 100 языков распознавания речи и 13 языков голосового вывода: китайский, английский, французский, немецкий, хинди, индонезийский, итальянский, японский, корейский, португальский, русский, испанский и вьетнамский.

Даже во время перевода речи в речь JotMe продолжает показывать транскрипцию в реальном времени и текстовый перевод. После встречи стенограмма сохраняется вместе с ИИ-заметками о встрече — так каждый разговор становится частью многоязычной базы знаний, в которой команда может искать нужное, возвращаться к решениям и строить на них дальнейшую работу.

‍

‍

Как использовать голосовой перевод в реальном времени

Голосовой перевод JotMe — это десктопный сценарий: приложению нужно захватывать звук, маршрутизировать переведённую речь и воспроизводить голос ИИ в реальном времени. В продукте всё это живёт в меню ИИ-перевода речи в речь (Speech-to-Speech AI Translation).

Перед началом выберите значение Fast (Audio) в поле языка речи (Spoken Language), укажите язык быстрого перевода (Fast Translation Language) и вернитесь в меню Speech-to-Speech.

На входе голосовой перевод распознаёт множество языков, а переведённый голос сейчас звучит на следующих:

китайский (упрощённый), английский, французский, немецкий, хинди, индонезийский, итальянский, японский, корейский, португальский, русский, испанский и вьетнамский.

Режим 1: онлайн-встреча (Online Meeting)

Используйте режим Online Meeting, когда переведённый голос должен звучать внутри Zoom, Google Meet, Microsoft Teams, WhatsApp, на вебинарах, звонках по продажам, звонках с клиентами, собеседованиях или внутренних встречах.

Online Meeting поддерживает три направления перевода.

Двусторонний перевод (Two-Way)

Используйте его, когда голосовой перевод нужен обеим сторонам.

• Вы слышите собеседника на выбранном вами языке.
• Собеседник слышит вас на своём языке.
• JotMe раздельно маршрутизирует входящий звук встречи и исходящую переведённую речь.
• Лучше всего подходит для двуязычных встреч, звонков с клиентами, переговоров, тренингов, собеседований и звонков в поддержку.

На Mac для двустороннего режима нужны BlackHole 2ch и BlackHole 16ch: динамик встречи направляется через BlackHole 2ch, а микрофон встречи — через BlackHole 16ch.

На Windows двусторонний режим использует VB-CABLE и Virtual Audio Cable Line 1. Следуйте инструкциям по настройке в приложении: JotMe покажет правильные устройства для выбранного режима.

Только прослушивание (Listening Only)

Используйте этот режим, когда вам нужно только слышать переведённый звук.

• JotMe захватывает звук встречи или системный звук.
• JotMe воспроизводит переведённую речь в ваших наушниках или динамиках.
• Звук вашего микрофона не транскрибируется и не переводится.

На Mac для захвата звука используется BlackHole 2ch, на Windows — устройство захвата VB-CABLE.

Только речь (Speaking Only)

Используйте этот режим, когда вы хотите говорить на своём языке, а остальные должны слышать переведённую речь.

• JotMe захватывает звук вашего микрофона.
• JotMe отправляет переведённую речь в приложение для встреч.
• Звук других участников не транскрибируется и не переводится.

На Mac выберите BlackHole 2ch в качестве микрофона в приложении для встреч. На Windows выберите CABLE Output (VB-Audio Virtual Cable).

Если нужный виртуальный аудиодрайвер не установлен, переключатель режима и кнопка Start останутся неактивными, пока устройство не будет обнаружено. После установки перезагрузите компьютер.

Режим 2: другие источники (Other)

Используйте режим «Other», когда звук не проходит через приложение для встреч.

Звук с микрофона

Подходит для:

• личных разговоров;
• живых мероприятий;
• интервью;
• занятий;
• демонстраций на стендах;
• работы «в полях».

Системный звук

Подходит для:

• видео;
• прямых трансляций;
• вебинаров;
• обучающих материалов;
• подкастов;
• любого звука, который уже воспроизводится на компьютере.

Режимы Other не требуют виртуальной маршрутизации звука, потому что переведённая речь не отправляется обратно в приложение для встреч.

Режим 3: трансляция участникам (Sharing)

Используйте режим Sharing, когда участникам нужен перевод на их собственных устройствах.

• Поделиться по URL: любой участник откроет живой перевод в браузере.
• Поделиться по коду: другой пользователь десктопного JotMe подключится по коду.
• Показать QR-код для быстрого доступа.
• Каждый участник выбирает удобный ему язык.
• В подходящих сессиях Fast и Premium организатор может включить перевод речи в речь для участников. Это расходует переводные минуты с коэффициентом 5× на каждого участника.

Sharing удобен для мероприятий, учебных аудиторий, вебинаров, тренингов, экскурсий по производству, демонстраций клиентам и многоязычных встреч, где каждому участнику нужен свой язык.

‍

Где пригодится голосовой перевод речи в реальном времени от JotMe

Многоязычные командные встречи

Для глобальных команд главная проблема — не только язык, но и скорость. Люди сомневаются, ждут, пока кто-то переведёт, или вовсе молчат, потому что не уверены в языке встречи. Перевод голоса в голос позволяет каждому говорить естественно, пока остальные слушают на языке, который понимают лучше всего.

Международные продажи

Разговор о продаже держится на темпе, интонации и доверии. Вместо того чтобы тормозить звонок ручным переводом, команды говорят с потенциальными и действующими клиентами напрямую на их языке, а JotMe переводит разговор в реальном времени.

Поддержка и сопровождение клиентов

Командам поддержки часто нужно быстро разобраться в срочной проблеме. Голосовой перевод помогает работать с эскалациями, онбординг-звонками, продлениями и разбором технических неполадок, не дожидаясь переводчика-человека.

Международный найм и собеседования

Сильные кандидаты не всегда лучше всего проходят собеседование на неродном языке. Перевод голоса в голос помогает нанимающим командам и кандидатам понимать друг друга — особенно на технических интервью, разговорах о ценностях и в глобальном рекрутинге.

Мероприятия и вебинары

Для мероприятий одного канала переведённого звука обычно мало. Благодаря доступу по URL или QR-коду слушатели подключаются со своих устройств и слушают на удобном языке — вебинары, панельные дискуссии и живые сессии становятся доступнее.

Образование и обучение

В аудиториях, на воркшопах и внутренних тренингах языковой барьер незаметно оставляет людей за бортом. Мгновенный перевод речи помогает студентам, сотрудникам и стажёрам следить за сложными объяснениями по ходу дела.

Производство и работа с поставщиками

Визиты на производство, QA-ревью, встречи с поставщиками и техническое обучение полны специализированной терминологии. Операционный контекст JotMe помогает переводу оставаться ближе к реальной работе — от названий продуктов до деталей процессов.

Туризм и гостеприимство

Отелям, туроператорам, персоналу мероприятий и командам, работающим с гостями, нужна быстрая коммуникация на разных языках. Голосовой перевод поддержит живой разговор с гостем, координацию с подрядчиками, экскурсии и ситуации, когда сервис нужно спасать здесь и сейчас.

Ревью контента и медиапроцессы

JotMe можно использовать и вне встреч — переводя системный звук из видео, прямых трансляций, подкастов, обучающих материалов или записей. Многоязычное ревью ускоряется, и полная транскрибация заранее больше не нужна.

‍

Вместо заключения

Технологии, меняющие то, как мы работаем, часто выглядят обманчиво просто, когда наконец появляются. Мы верим, что перевод голоса в голос — одна из них. Нам не терпится увидеть, что вы построите на его основе. Если у вас есть обратная связь или вы хотите обсудить корпоративное внедрение, напишите нам на hey@jotme.io.

‍