Bagaimana DeepL Voice mengatasi tantangan unik dalam penerjemahan ucapan secara real-time

Poin Utama

• Penerjemahan ucapan secara real-time menuntut kecepatan, akurasi, dan kemampuan untuk menangani kalimat yang tidak lengkap: tantangan yang tidak dihadapi oleh terjemahan teks.
• Bahasa lisan mencakup ketidaklancaran, ungkapan sehari-hari, dan pernyataan singkat yang harus disaring, bukan diterjemahkan secara harfiah.
• Mendekati kecepatan ucapan mengubah peserta rapat dari pendengar pasif menjadi kontributor aktif.
• DeepL Voice meminimalkan "fluktuasi" dengan menghasilkan terjemahan fleksibel yang dapat menyerap informasi baru di tengah kalimat.
• Keahlian linguistik manusia memberikan informasi tentang bagaimana DeepL Voice menangani penempatan kata kerja, struktur kalimat, dan penilaian konteks di berbagai bahasa.
• DeepL bermitra dengan bisnis dan pakar linguistik untuk memastikan DeepL Voice mencerminkan prioritas komunikasi di dunia nyata.
• NEC Corporation menjadi perusahaan pertama yang sepenuhnya menerapkan DeepL Voice setelah peluncurannya.
• Rangkaian AI bahasa DeepL, termasuk Voice, Translator, dan DeepL Write, memberikan alat kepada perusahaan global untuk berkomunikasi dengan jelas.

Orang tidak berbicara dengan cara yang sama seperti mereka menulis. Dan mereka tidak mengalami percakapan lisan dengan cara yang sama seperti saat mereka membaca email atau artikel. 

Kemampuan kita untuk saling memahami pada saat berbicara—menggabungkan semua jenis komunikasi verbal dan nonverbal untuk langsung memahami maksud seseorang—adalah tindakan berisiko dalam ekspresi manusia. 

Jika Anda mundur selangkah dan mempertimbangkan apa yang terjadi dalam sebuah percakapan, sungguh menakjubkan betapa banyak informasi yang kita sampaikan dengan begitu cepat. 

Ketika Anda menantang diri sendiri untuk menerjemahkan interaksi lisan saat berlangsung, seperti yang telah dilakukan DeepL dengan solusi DeepL Voice kami, Anda akan menemukan berbagai wawasan menarik tentang apa yang membuat penerjemahan bahasa lisan berbeda dari penerjemahan teks. 

Dalam posting ini, saya akan membagikan beberapa wawasan tersebut dan menjelaskan bagaimana kami menggunakannya untuk mengubah pengalaman rapat dan percakapan.

Terjemahan suara-ke-suara secara real-time telah hadir: pelajari bagaimana DeepL Voice mewujudkannya.

Mengapa penerjemahan ucapan secara real-time lebih sulit daripada menerjemahkan teks

Komunikasi percakapan instan pada dasarnya adalah hal yang manusiawi dan sangat sulit ditiru oleh teknologi—bahkan teknologi secanggih AI.

Jika Anda ingin menciptakan solusi bagi bisnis yang dapat membantu orang mengikuti dan berpartisipasi dalam percakapan dalam berbagai bahasa, Anda harus memulainya dengan pemahaman mendalam tentang tantangan yang ada.

Tantangan tersebut mencakup meniru kemampuan manusia dalam mengantisipasi apa yang akan dikatakan orang lain sebelum mereka selesai mengatakannya. 

Saat menerjemahkan ucapan dalam situasi langsung, Anda juga perlu mengantisipasi bagaimana kata-kata seseorang dapat diekspresikan dengan baik dalam bahasa lain. Yang terpenting, Anda harus melakukan ini sebelum Anda tahu pasti bagaimana kalimat aslinya akan berakhir untuk menghindari jeda waktu yang lama. 

Tantangannya di sini adalah bahwa apa yang tampak sebagai terjemahan akurat dari beberapa kata bisa jadi merupakan terjemahan yang tidak akurat begitu orang tersebut menyelesaikan kalimatnya. 

Saat kami mulai mengembangkan DeepL Voice, kami tahu bahwa kami tidak dapat mencapai penerjemahan ucapan langsung berkualitas tinggi hanya dengan teknologi saja. Hal ini bergantung pada minat dan pemahaman yang mendalam tentang berbagai cara kerja bahasa. 

Itulah sebabnya kami mengumpulkan para ahli di bidang linguistik yang berfokus pada percakapan lisan. Kami juga memanfaatkan pemahaman kontekstual DeepL yang kuat tentang cara kerja berbagai bahasa. 

Selain itu, kami bermitra dengan bisnis untuk mengeksplorasi prioritas mereka dan pengalaman penerjemahan ucapan yang memberikan nilai paling besar bagi mereka.

Temukan bagaimana AI DeepL mengubah terjemahan untuk memungkinkan bisnis yang benar-benar tanpa batas.

Mengapa kecepatan menjadi prioritas utama dalam penerjemahan ucapan secara real-time

Salah satu wawasan pertama yang kami pelajari adalah bahwa waktu adalah segalanya dalam hal terjemahan real-time pada rapat atau percakapan.

Jika Anda bisa mendekati kecepatan ucapan—menampilkan terjemahan kalimat pada saat pembicara selesai mengucapkannya—maka Anda dapat sangat memengaruhi seberapa inklusif rapat tersebut. 

Christine Aubry, koordinator internasional untuk produsen kue global Brioche Pasquier, menjelaskan lebih lanjut di DeepL Dialogues. 

Dia mencatat bahwa terjemahan yang lebih cepat mengubah mode partisipasi orang dari pasif menjadi aktif. Alih-alih berjuang untuk mengikuti apa yang dikatakan orang lain dalam bahasa lain, mereka merasa sepenuhnya mengikuti perkembangan. Seperti penutur asli bahasa, mereka memiliki kesempatan untuk menyela, membentuk percakapan, dan berpartisipasi secara aktif. 

Selisih satu detik saja sudah membuat perbedaan besar.

Oleh karena itu, kecepatan menjadi prioritas utama saat menerjemahkan ucapan secara real-time. Namun, Anda harus menyeimbangkan kecepatan dengan prioritas lain yang juga berdampak besar pada pengalaman orang-orang. Terjemahan harus seakurat mungkin untuk menghindari kesalahpahaman dan kebingungan. 

Dan jika memungkinkan, terjemahan harus meminimalkan “kedipan” yang terjadi saat Anda harus mengoreksi teks yang telah diterjemahkan sebelumnya karena maknanya berubah. Semakin rendah tingkat flicker, semakin mudah bagi seseorang untuk mengikuti percakapan secara alami.

Perbedaan bahasa lisan dan bahasa tertulis—dan mengapa hal ini penting dalam penerjemahan

Untuk menerjemahkan ucapan langsung secara akurat, penting untuk memahami berbagai perbedaan antara pola bahasa tertulis dan ritme ucapan.

Misalnya, cara orang berbicara jauh lebih individual dan kurang konsisten dibandingkan cara mereka menulis. Mereka menggunakan ungkapan dan bahasa sehari-hari yang berbeda yang dapat berasal dari dialek daerah serta kepribadian atau citra diri mereka masing-masing. 

Selain itu, orang menyusun dan mengoreksi kalimat saat mereka berbicara, yang menyebabkan ketidaklancaran di mana satu istilah yang secara tata bahasa salah langsung diikuti oleh istilah lain yang lebih benar. Mereproduksi hal ini secara harfiah dalam terjemahan tidak membantu seseorang yang mencoba memahami maknanya. 

Selama percakapan, orang juga mengucapkan afirmasi singkat (seperti "uh-huh") untuk meyakinkan lawan bicara bahwa mereka memahami atau setuju dengan apa yang dikatakan. Hal ini membantu kelancaran percakapan itu sendiri. Namun, hal ini membuat terjemahan menjadi berantakan bagi orang yang mencoba mengikuti dalam bahasa lain. 

Akan sangat membantu jika elemen-elemen bahasa lisan ini disaring dari terjemahan.

Kendalikan terminologi dan nuansa dengan Glosarium DeepL.

Bagaimana DeepL Voice mengoptimalkan akurasi dan kecepatan secara bersamaan

Tantangannya menjadi semakin menarik ketika Anda mempertimbangkan bahwa platform terjemahan real-time tidak menerjemahkan kalimat lengkap. Platform tersebut harus menerjemahkan kalimat saat seseorang sedang mengucapkannya, ketika makna akhir kalimat tersebut belum jelas. 

Hal ini mengharuskan kami mengoptimalkan terjemahan dengan cara yang sedikit berbeda. Kami tidak hanya menginginkan terjemahan yang paling akurat. Kami menginginkan terjemahan akurat yang cukup fleksibel untuk memasukkan informasi baru yang mungkin mengubah arah pembicaraan orang-orang.

Berikut ini contohnya. 

Bayangkan kita menerjemahkan pertemuan virtual di mana salah satu peserta berbicara dalam bahasa Inggris, dan peserta lain mengikuti apa yang mereka katakan melalui teks terjemahan dalam bahasa Jerman. 

Pembicara berbahasa Inggris kami menyela percakapan untuk mengatakan, “I found it.” Sekarang, jika kita menganggap ini sebagai kalimat lengkap, terjemahan bahasa Jerman terbaiknya adalah, “Ich habe es gefunden.” 

Namun, karena ini adalah ucapan langsung, kita tidak bisa memastikan apakah kalimat tersebut lengkap atau tidak.

Dalam hal ini, pilihan yang lebih baik adalah menggunakan terjemahan seperti “Ich fand es.” Mengapa? Ketika penutur bahasa Inggris tersebut melanjutkan dengan mengatakan, “I found it frustrating,” terjemahan “ich fand es” sangat tepat untuk hanya menambahkan kata “frustrierend.”

Jika tiga kata pertama diterjemahkan sebagai “Ich habe es gefunden,” maka kita perlu merevisi seluruh terjemahan. 

Itulah jenis “gangguan” besar yang menghalangi pemahaman percakapan secara intuitif. Dan itulah jenis masalah yang ingin diminimalkan oleh DeepL sebisa mungkin.

Bagaimana penempatan kata kerja di berbagai bahasa memengaruhi terjemahan real-time

Penerjemahan ucapan real-time yang akurat melibatkan berbagai penilaian kontekstual yang paling baik dilakukan ketika keahlian manusia memandu teknologi. Keahlian tersebut mencakup wawasan tentang di mana berbagai bahasa cenderung menempatkan kata kerja yang penting bagi makna kalimat. 

Jika kata kerja tersebut berada di awal (seperti dalam bahasa Prancis dan Spanyol), terjemahan dapat ditampilkan lebih cepat daripada jika kata kerja tersebut berada di akhir. 

Semua ini membantu sistem berhenti sejenak cukup lama untuk memastikan akurasi, tetapi tidak terlalu lama hingga menunda pemahaman secara tidak perlu.

Baca kisah sukses dari klien DeepL: perusahaan-perusahaan yang mempercayai AI bahasa kami.

Mengapa keahlian linguistik manusia membuat DeepL Voice lebih akurat

Kombinasi keahlian linguistik manusia dengan terjemahan yang sangat akurat ini telah memungkinkan DeepL Voice membuat perbedaan besar pada pengalaman rapat dan percakapan bagi bisnis internasional. Di antaranya adalah NEC Corporation, yang menjadi perusahaan pertama yang sepenuhnya menerapkan DeepL Voice, hanya beberapa minggu setelah peluncuran resmi kami. 

Antusiasme seputar DeepL Voice mencerminkan fakta bahwa ini adalah momen terobosan dalam penerjemahan ucapan. Kemampuan untuk mendekode dan menerjemahkan apa yang orang katakan, saat mereka mengatakannya, melipatgandakan nilai yang dapat kami ciptakan bagi bisnis internasional. Hal ini mengubah cara tim berkolaborasi, membangun hubungan yang lebih kuat, dan memastikan bahwa berbagai ide dan perspektif selalu tercakup. 

Kemajuan yang telah kami capai sejauh ini sudah memberikan dampak besar pada cara organisasi beroperasi. Masih banyak lagi yang akan datang!