Zoom übersetzt Meetings jetzt in Echtzeit

Ein neues Feature namens Voice Translator soll Sprachbarrieren in Zoom-Meetings verschwinden lassen. Teilnehmer sprechen einfach in ihrer Muttersprache, der Rest wird von einer KI erledigt.

Zoom hat ein neues Werkzeug für seine Videokonferenz-Software vorgestellt, das Sprachbarrieren in Meetings auflösen soll: den Voice Translator. Das Unternehmen beschreibt das Ziel so: „Teilnehmer können in ihrer eigenen Sprache sprechen, während die anderen sie in ihrer Sprache hören.“

Drei KI-Schritte in Echtzeit

Hinter der Funktion steckt eine Pipeline aus drei Verarbeitungsschritten. Laut Zoom nutzt der „Voice Translator KI, um das Meeting-Audio in drei Schritten zu verarbeiten: automatische Spracherkennung, maschinelle Übersetzung und Text-to-Speech“. Das geschehe „alles nahezu in Echtzeit“. Am Ende steht ein übersetzter Audiostream, der laut Hersteller „parallel zur Originalstimme der Sprechenden oder anstelle davon“ abgespielt wird.

Aktiviert wird die Funktion über einen einzigen Klick in der Meeting-Symbolleiste. Nutzer legen anschließend nur noch Ausgangs- und Zielsprache fest. Ein Abgleich mit anderen Teilnehmern oder eine vorherige Einrichtung ist nicht nötig. Jede Person steuert ihre eigenen Übersetzungseinstellungen unabhängig von den übrigen Call-Teilnehmern.

Fünf Sprachen zum Start, mehr sollen folgen

Zum Marktstart unterstützt der Voice Translator laut Zoom „Englisch, Chinesisch, Spanisch, Französisch und Japanisch“. Weitere Sprachen sind für den Verlauf des Jahres angekündigt, darunter Deutsch, Portugiesisch, Arabisch und Italienisch. Ein konkretes Datum für die deutsche Sprachunterstützung nennt Zoom bislang nicht.

Parallel arbeitet das Unternehmen an zwei Erweiterungen:

• Voice Cloning: Übersetzte Audioinhalte sollen laut Zoom „die stimmlichen Eigenschaften der ursprünglichen Sprechenden“ beibehalten, „sodass es klingt, als würden sie selbst in der Sprache der Zuhörenden sprechen“.
• Translation Projection: Diese Funktion soll es ermöglichen, in der eigenen Sprache zu sprechen und dabei automatisch von allen anderen in deren jeweiliger Sprache (sofern verfügbar) gehört zu werden.

Zuhören statt Lesen

Zoom grenzt den Voice Translator bewusst von klassischen Live-Untertiteln ab. Das Unternehmen argumentiert, „übersetzte Untertitel erfordern geteilte Aufmerksamkeit zwischen Lesen und Zuhören“. Der Voice Translator dagegen ermögliche es, „so zu agieren wie in jedem anderen Meeting, zuhören, reagieren und natürlich antworten“.

Für den Feinschliff gibt es einen Lautstärkeregler, der bestimmt, wie viel von der Originalstimme im Verhältnis zur übersetzten Audiospur zu hören ist. Zusätzlich können Nutzende zwischen verschiedenen Sprachstilen für das übersetzte Audio wählen, damit dieses natürlich klingt.

Datenschutz: Keine Speicherung von Audiodaten

Da Sprachdaten in Echtzeit über Zooms Server verarbeitet werden, dürfte die Frage nach dem Datenschutz nicht lange auf sich warten lassen. Zoom erklärt dazu, es würden keine Meeting-Audiodaten gespeichert, keine Stimmprofile erstellt und keine dauerhaften Nutzungsprofile aus Übersetzungsdaten aufgebaut. Die Funktion verarbeite „ausschließlich das, was für das jeweilige Meeting benötigt wird, und verwirft die Daten anschließend“.

(red)