パイプライン
すべては1つの音声入力から始まり、各言語ごとに並行してすべてのリスナーのデバイスに届きます。
- 1
フロア音声
サウンドコンソールからの1つの音声入力。マイク、パネル、再生ソースの数に関わらず、現在と同じようにエンジニアがミックスした音声を使用します。
- 2
音声認識
フレーズを認識するストリーミング音声認識は、フレーズが安定するまで待機します。これにより、翻訳エンジンは断片ではなく、確定した完全な文章を処理できます。
- 3
AI翻訳
コンテキストを考慮した翻訳により、会話の文脈を継続的に保持し、イベントの用語集や専門用語を正確に反映します。
- 4
ニューラル音声
自然なニューラル音声が、各ターゲット言語を並行して（1言語につき1チャンネル）読み上げます。
- 5
配信
音声とライブ字幕はWebRTC経由ですべてのリスナーに届きます。会場内のスマートフォン、リモートのブラウザー、会場のスクリーン、制作ツールなどで受信可能です。
発話から通訳音声までのエンドツーエンドの遅延は、通常約5秒です。プラットフォームはこれを継続的に測定しており、各セッション後に言語ごとの遅延レポート（中央値および99パーセンタイル）を提供します。これにより、感覚ではなくデータで品質を確認できます。
エンジンと音声
Interpretwiseは、バックグラウンドで複数の音声認識、翻訳、音声エンジンを実行し、言語ペアごとに最適な組み合わせを選択します。セッション中にエンジン間の自動フェイルオーバーも行われます。音声には2つのグレードがあります。
- プレミアム音声 - 最も自然な音声で、ステージ上のコンテンツに推奨されます。
- スタンダード音声 - 低価格で幅広い言語をカバーする豊富な音声カタログです。
通訳者との連携
同じイベント内で、チャンネルごとにAI通訳とプロの通訳者を組み合わせることができます。例えば、6言語をAIで、7言語目を通訳者が担当するといった運用が可能です。通訳者はブラウザーベースのコンソールを通じてどこからでも作業できます。インストールは不要で、イベントごとのアクセスコードによって保護されます。
参加者の体験
参加者はQRコードをスキャンし、言語を選択するだけで、自身のスマートフォンから音声とライブ字幕を視聴できます。アプリのインストールやアカウント登録は不要で、ヘッドセットを配布する必要もありません。参加者の詳細な手順については、ヘッドセットなしでの視聴をご覧ください。
