A Abordagem da InterMIND para Chamadas de Vídeo Multilíngues

A maioria das ferramentas de tradução foi construída para textos que você pode esperar. Um documento é enviado, uma tradução é retornada, alguém a revisa. Uma conversa ao vivo não funciona assim. Ninguém em uma reunião vai pausar, enviar uma frase para ser traduzida e esperar que ela retorne antes de responder. A tradução precisa acontecer dentro da conversa ou não fará parte dela.

Essa restrição muda o que você pode construir. Esta publicação trata de como a InterMIND pensa sobre chamadas de vídeo multilíngues e sobre ser honesto onde a tecnologia ainda é jovem.

O problema com as soluções habituais

As abordagens comuns sempre deixam algo a desejar.

Legendas sobre uma chamada em idioma estrangeiro. Você ainda ouve a outra pessoa falando um idioma que não entende e lê uma transcrição contínua abaixo. Funciona, mas divide sua atenção. Você está observando o texto rolar enquanto tenta ler um rosto, e os dois raramente se alinham. Está mais próximo do cinema legendado do que de uma conversa.

Tradução palavra por palavra. Traduzir cada frase literalmente é a versão fácil e a que mais perde. O significado em uma conversa real reside no tom, no que alguém está tentando realizar com uma frase, nos termos específicos que um campo utiliza. Uma renderização literal das palavras pode ser tecnicamente correta e ainda assim perder o ponto que está sendo feito, o que em uma negociação ou discussão clínica é exatamente a parte que você não pode perder.

Plugins acoplados a uma plataforma existente. Adicionar uma camada de tradução em cima de um sistema de chamada construído para um idioma por vez significa viver com o que esse sistema já decidiu sobre áudio, tempo e roteamento. Você obtém o que as limitações permitem.

Uma experiência de idioma único

O objetivo pelo qual trabalhamos é simples de declarar: todos falam seu próprio idioma e ouvem todos os outros no deles, e deve parecer uma chamada onde todos, por acaso, compartilham um idioma.

Isso é diferente das legendas. As legendas o deixam ciente, a cada momento, de que uma tradução está acontecendo. O objetivo aqui é o oposto. Em vez de sobrepor texto a uma conversa estrangeira, a InterMIND tenta fazer com que toda a troca chegue em seu idioma, para que sua atenção permaneça na pessoa e na discussão, em vez de na maquinaria intermediária.

Chegar lá significa tratar a fidelidade à intenção como mais importante do que a fidelidade às palavras individuais. O sistema tenta transmitir tom, intenção e terminologia de domínio, não trocar palavras uma por uma. Às vezes, a tradução mais precisa de uma frase não é a mais literal, e uma conversa ao vivo é onde essa distinção mais importa.

Por que uma plataforma autônoma e qual o seu custo

A InterMIND é seu próprio sistema de vídeo, não um complemento para Teams ou Zoom. Isso é uma verdadeira desvantagem e vale a pena declarar ambos os lados claramente.

O custo é a integração. Se sua organização funciona dentro de uma ferramenta de reunião existente, uma plataforma separada é um lugar separado para estar, e essa fricção é real. Não vamos fingir que não é.

A razão pela qual aceitamos esse custo é o controle sobre todo o caminho da fala ao som. Quando você possui a captura, transcrição, tradução e reprodução de ponta a ponta, você pode ajustar como eles se conectam. A qualidade da tradução em uma chamada ao vivo depende muito de como essas etapas se encaixam — como o áudio é sincronizado, como o pipeline decide quando um pensamento está completo o suficiente para traduzir. Possuir esse caminho é o que faz a experiência de idioma único parecer uma coisa só, em vez de várias ferramentas unidas.

Onde a tecnologia realmente está

A InterMIND é nova, e preferimos dizer isso a tentar embelezar.

A tradução de fala em tempo real é genuinamente difícil, e a qualidade não é uniforme. Depende do par de idiomas — alguns são muito mais bem-servidos do que outros — e do assunto, já que um modelo geral lida com conversas informais de forma mais confiável do que com terminologia jurídica ou médica densa. Os benchmarks independentes para esse tipo de tradução multilíngue ao vivo ainda são escassos, então ainda não há um grande corpo de evidências externas para apontar.

Por causa disso, preferimos oferecer uma maneira de verificar do que um número para confiar. Se você deseja avaliar qualquer produto de tradução em tempo real, incluindo o nosso, o caminho honesto é testá-lo em suas próprias conversas, em seus próprios idiomas, em seus próprios termos. Escrevemos mais sobre como a precisão da tradução deve ser realmente medida — a versão curta é que um número de precisão em destaque diz muito pouco até que você saiba o que foi medido e como.

Onde isso mais importa

Chamadas multilíngues em tempo real são mais valiosas onde a barreira do idioma tem o maior peso.

• Negociações internacionais, onde o custo de interpretar mal a intenção é alto e esperar por intérpretes atrasa tudo.
• Equipes distribuídas que trabalham em diferentes idiomas todos os dias e perdem algo ao optar por um segundo idioma compartilhado que ninguém fala nativamente.
• Campos regulamentados — jurídico, médico, financeiro — onde a terminologia exata importa e onde poder revisar o que foi dito e como foi traduzido faz parte do trabalho.

Esses são os cenários onde uma experiência de idioma único se justifica, e onde acertar a intenção, não apenas as palavras, é o objetivo principal.

Nossa posição

A InterMIND aposta que as conversas ao vivo entre idiomas merecem mais do que legendas ou troca literal de palavras, e que o caminho para isso é possuir todo o processo, em vez de se acoplar ao de outra pessoa. Acreditamos que essa é a aposta certa. Também acreditamos que o mais honesto a fazer com um produto jovem é dizer onde ele é forte, onde ainda não foi comprovado e como verificar por si mesmo — e deixar que os resultados, em seus idiomas e suas reuniões, comprovem o valor.