Un cambiamento fondamentale nel comportamento di consumo dei media associato a salti quantici nella tecnologia AI ha reso i sottotitoli tradotti dall'IA una scelta popolare e potente per eventi dal vivo di ogni forma e dimensione. Interprefy li ha introdotti nel 2022, e sono disponibili anche su Microsoft Teams, e persino su Zoom: sottotitoli multilingue generati automaticamente per riunioni in diretta. Questa tecnologia lo rende possibile per gli utenti comprendere, anche se non conoscono la lingua in cui è pronunciato il discorso.
Ma quanto sono precisi? Non esiste una risposta semplice. I risultati dipendono fortemente dall'approccio scelto e dai motori utilizzati, dalla specifica combinazione linguistica, nonché dalle proprietà dell'audio (accento del relatore, qualità dell'audio, ecc.). E la semplice verità è che non esiste un metodo definitivo per misurare l'accuratezza della traduzione.
Le persone nel settore della traduzione descrivono la qualità in vari modi. Quando si tenta di trovare una misura oggettiva, un gruppo di ricercatori ha ammesso che non riuscivano nemmeno a concordare tra loro su come "la qualità della traduzione" dovrebbe essere definita.
Esaminiamo più da vicino perché la qualità della traduzione è così difficile da misurare e come possiamo avvicinarci alla valutazione della qualità dei sottotitoli tradotti automaticamente.
"Auto-translated", "machine translated", e "AI-translated" i sottotitoli o "multilingual subtitles" sono sottotitoli chiusi che forniscono agli utenti sottotitoli in tempo reale accanto al discorso in una lingua diversa. Sono creati dal audio di origine utilizzando una combinazione di riconoscimento automatico del parlato e tecnologie di traduzione automatica che producono un testo tradotto della trascrizione, oppure una soluzione basata su IA che converte direttamente l'audio nella lingua di origine in testo (o anche discorso parlato) nella lingua di destinazione.
La lingua è estremamente complessa e, pertanto, la qualità di una traduzione è spesso soggetta a interpretazione. Si potrebbe presumere che i problemi di qualità si verifichino quando un traduttore o una macchina commettono un errore. Tuttavia, è molto più comune che ciò che viene percepito come problemi di qualità della traduzione sia una valutazione soggettiva.
Il framework Multidimensionale di Qualità (MQM), un progetto guidato dalla Commissione Europea, fornisce un approccio "funzionalista" che categorizza le problematiche di qualità:
Ecco perché le organizzazioni spesso forniscono ai traduttori guide di stile, glossari e, idealmente, costruiscono anche una memoria di traduzione, per ottenere coerenza nei loro lavori di traduzione che soddisfi le loro esigenze.
Misurare la qualità della traduzione è una questione di valutare quanto sia utile la traduzione e quanto bene risponda al suo scopo.
La traduzione automatica esiste da oltre 60 anni e oggi macchine e esseri umani coesistono. Negli ultimi due decenni, i fornitori di servizi linguistici (LSP), le agenzie di traduzione e i liberi professionisti hanno adottato la traduzione automatica per migliorare la produttività e ridurre i costi, grazie alla rapida evoluzione della qualità della traduzione automatica.
Oggi esiste una moltitudine di motori di traduzione testo‑testo disponibili, come Google Translate, DeepL Translate o Microsoft Translator, nonché diversi tipi di traduzione automatica: basata su regole, statistica, adattiva e neurale. La maggior parte dei servizi ha iniziato a orientarsi verso quest’ultima, poiché la traduzione automatica neurale si è dimostrata potente nel produrre risultati eccezionalmente soddisfacenti e nel colmare rapidamente il divario tra esseri umani e macchine per alcuni tipi di testi.
Diversi motori di traduzione e diversi tipi di traduzione automatica producono risultati differenti. Un motore può persino svolgere un lavoro eccezionale per una combinazione linguistica, ma generare risultati inutili per altre.
Poiché la maggior parte delle traduzioni scritte non deve essere finalizzata istantaneamente, l'output della traduzione automatica per siti web o documenti viene revisionato e post‑editato da traduttori professionisti prima della pubblicazione. Pertanto, disporre del miglior motore è un vero risparmio di tempo, ma non è essenziale.
I sottotitoli multilingue in tempo reale, tuttavia, devono essere forniti istantaneamente, senza la possibilità di intervento umano prima che l'utente li legga.
Pertanto 'è fondamentale che vengano utilizzati i motori più performanti e le combinazioni di motori e che la qualità dell'ingresso audio sia ottimale. Se, ad esempio, un oratore ha un forte accento e utilizza un microfono di scarsa qualità, anche le migliori soluzioni potrebbero produrre sottotitoli multilingue di qualità inferiore.
Invece di utilizzare un unico motore di traduzione automatica, Interprefy's team di delivery AI esegue continuamente benchmark delle soluzioni di traduzione leader, nonché delle combinazioni di riconoscimento vocale e soluzioni di traduzione automatica per specifiche combinazioni linguistiche.
Collaboriamo con istituzioni di ricerca leader a livello mondiale per sviluppare e migliorare continuamente un processo proprietario e automatico di benchmarking per sottotitoli multilingue in tempo reale. Alexander Davydov, Responsabile della consegna AI presso Interprefy
"Utilizziamo grandi insiemi di dati audio diversificati e prendiamo l'output da vari sistemi di traduzione e combinazioni di sistemi e lo confrontiamo con le traduzioni prodotte da traduttori professionisti, le validiamo e le classifichiamo per accuratezza", Alexander spiega.
Il grafico sottostante illustra i risultati del benchmark per quattro lingue tradotte dalla stessa lingua di origine. Come potete vedere, nessuna soluzione unica garantisce una qualità costante per tutte e quattro le coppie linguistiche.
Ma anche se disponi della soluzione più sofisticata, la qualità può comunque risentirne, se la qualità dell'input è bassa.
Sound quality is a key factor that affects not only the quality of the AI output but also the interpreters’ health and ability to perform, as well as the audience’s understanding and engagement. That is why at Interprefy we continuously strive to improve audio quality by providing event organizers and speakers with useful guidelines, facilitating tools for speakers to test their sound quality, and even developing an audio enhancement tool, Interprefy Clarifier.
Inoltre, il nostro personale esperto collabora con i clienti per ottimizzare il sistema e garantire la corretta gestione di nomi di marchi, acronimi e altro.