Zoom erweitert seine Meeting-Plattform um eine KI-gestützte Echtzeit-Übersetzung. Mit dem neuen Voice Translator können Teilnehmende in ihrer jeweiligen Muttersprache sprechen, während andere Gesprächspartner die Inhalte in ihrer bevorzugten Sprache als Audioausgabe hören.

Foto: Zoom Communications

Zoom hat den Voice Translator für Zoom Meetings eingeführt. Die neue Funktion übersetzt gesprochene Inhalte während eines Meetings nahezu in Echtzeit und gibt sie als Audiospur in der gewählten Zielsprache aus. Nutzerinnen und Nutzer können dabei weiterhin in ihrer eigenen Sprache sprechen, während die übrigen Teilnehmenden die Übersetzung in ihrer jeweiligen Sprache hören.

Technisch basiert die Funktion auf einer Kombination aus automatischer Spracherkennung, maschineller Übersetzung und Text-to-Speech. Das übersetzte Audio wird parallel zur Originalstimme oder alternativ an deren Stelle wiedergegeben.

Aktivierung mit einem Klick

Der Voice Translator lässt sich direkt über die Symbolleiste in Zoom Meetings aktivieren. Anschließend wählen Nutzer ihre Ausgangs- und Zielsprache aus. Eine zusätzliche Konfiguration oder Abstimmung mit anderen Meeting-Teilnehmenden ist laut Zoom nicht erforderlich. Jede Person kann ihre Übersetzungseinstellungen individuell festlegen.

Zum Start unterstützt die Funktion die Sprachen Englisch, Chinesisch, Spanisch, Französisch und Japanisch. Weitere Sprachen, darunter Deutsch, Portugiesisch, Arabisch und Italienisch, sollen im Laufe des Jahres folgen.

Weitere Funktionen angekündigt

Darüber hinaus arbeitet Zoom an zusätzlichen Funktionen. Geplant ist unter anderem ein Voice Cloning, bei dem die übersetzte Sprachwiedergabe die stimmlichen Eigenschaften der ursprünglichen Sprecher beibehält. Außerdem entwickelt das Unternehmen eine Funktion namens Translation Projection. Sie soll ermöglichen, dass Gesprochenes automatisch für alle Teilnehmenden in deren jeweils verfügbarer Sprache wiedergegeben wird.

Nach Angaben von Zoom soll die Audioübersetzung natürliche Gespräche erleichtern, da Teilnehmende nicht mehr ausschließlich auf übersetzte Untertitel angewiesen sind. Die Lautstärke von Original- und Übersetzungsspur lässt sich individuell anpassen. Zusätzlich stehen verschiedene Sprachstile für die synthetisierte Sprachausgabe zur Verfügung.

Verarbeitung ausschließlich während des Meetings

Für die Datenverarbeitung setzt Zoom auf eine Echtzeitverarbeitung der Audiodaten. Nach Unternehmensangaben werden keine Meeting-Audiodaten gespeichert, keine Stimmprofile erstellt und keine dauerhaften Nutzungsprofile aus den Übersetzungsdaten aufgebaut. Die Verarbeitung beschränkt sich auf die für das jeweilige Meeting erforderlichen Daten, die anschließend verworfen werden.