Zoom bohrt seine Videokonferenz-Plattform um ein KI-Feature auf: Mit dem neuen Voice Translator rollt der Anbieter eine Echtzeit-Sprachübersetzung aus. Anstatt wie bisher rein auf übersetzte Untertitel zu setzen, hören Meeting-Teilnehmer das Gesagte direkt in ihrer bevorzugten Sprache als generierten Audiostream. Kennt man vielleicht schon von Google Meet.
Das System verarbeitet die Audiospur in drei Schritten nahezu ohne Latenz: Automatische Spracherkennung (ASR), maschinelle Übersetzung und anschließende Synthese via Text-to-Speech. Der übersetzte Ton wird wahlweise parallel zur leise gedämpften Originalstimme oder anstelle dieser eingespielt. Über die Meeting-Symbolleiste lässt sich die Funktion individuell von jedem Teilnehmer aktivieren, ohne dass der Gastgeber Vorkonfigurationen vornehmen muss. Jeder Nutzer wählt einfach seine eigene Sprachkombination aus.
Zum Start werden fünf Sprachen unterstützt: Englisch, Chinesisch, Spanisch, Französisch und Japanisch. Weitere Sprachen, darunter Deutsch, Portugiesisch, Arabisch und Italienisch, sollen im Laufe des Jahres folgen. Zudem arbeitet Zoom bereits an künftigen Erweiterungen wie Voice Cloning, bei dem die übersetzte Stimme klanglich an den jeweiligen Sprecher angepasst wird, sowie einer universellen Ausspielung in der jeweiligen Zielsprache aller Teilnehmer (Translation Projection).
In Sachen Datenschutz betont der Anbieter, dass die Audiodaten rein in Echtzeit verarbeitet und nach der Übersetzung direkt verworfen werden. Es werden keine Audiodaten gespeichert, keine Stimmprofile angelegt oder permanente Nutzerprofile aus Übersetzungsinhalten gebildet.
Hinweis: Dieser Artikel enthält Affiliate-Links. Kauft ihr darüber ein, erhalten wir eine kleine Provision – ohne Aufpreis für euch und ohne Einfluss auf unsere redaktionelle Meinung.