国際会議仕様の通訳ブースにAIマネキンも登場

会場には通訳者チーム用に国際会議の基準に準拠した同時通訳ブースが設けられ、AI代表としてTimekettleのW4Proがマネキンの頭部に装着された状態で参加した。公平を期すため、競技会の3日前に複数のテーマと専門用語が提示され、当日は海外招待客の抽選によりテーマを決定した。ざわついた会場で方言なども取り入れて実施され、通訳業界で豊富な経験を持つ専門家が審査にあたり、正確性、流暢さ、専門性・文化面の適切さなど、4つの項目から評価した。

競技会の様子

AIは専門用語で優位、人間は自然な訳に強み

基礎通訳については、人間とAIとで明らかな違いが見られた。通訳者チームは豊富な経験を生かした流ちょうで自然な訳文を披露したのに対し、AIチームは専門用語の処理に優れていた。スペイン語審査員の靳笛氏は、「同時通訳者は事前準備とこれまでの経験を駆使して専門用語に対応したが、特に高度な専門分野の語彙量ではAIに到底及ばない」と指摘した。また北京大学深圳大学院の教授で、深圳市人工知能学会副常務理事兼事務長の鄒月嫻氏は、「現状ではAIの反応速度は明らかに遅い。特に、最初のひとことが出てくるまでにかなり時間がかかっている」と指摘した。

基礎通訳対戦の様子

複数回対戦した結果、AIチームが1170点を獲得し、通訳者チームの1062点を上回った。審査員は「反応速度と流暢さという点は通訳者が勝っていたが、正確性についてはAIがより優れている」という見方で一致した。

「共存」する通訳の未来像

対戦後に行われたセッションには、鄒教授のほか、外交学院英語学部の武波教授、翻訳・通訳会社Cadence Translate共同創業者の趙晨威氏、Timekettleの石偉CTOが登壇した。

趙氏は「言語サービスを提供する企業の3分の2以上がAIを導入しており、4分の1以上がカスタマイズモデルの開発に取り組んでいる」と指摘した。石CTOは「AI技術が成熟しデバイスが普及すれば、一般の人々が多言語で交流するコストは大幅に下がる」と強調し、W4Proは大規模言語モデルを導入することで「前後の文脈を理解する能力や複雑なシーンへの対応力、誤りを修正する能力が明らかに向上した」と説明した。

武教授は「同時通訳者の正確性が90％を超えるのは難しいが、Timekettleの製品では96％に達している」とし、「AIに取り組む企業は技術を磨くだけでなく、人文的価値も軽視してはならない。高等教育機関との連携を強化するべきだ」と呼びかけた。鄒教授は「AIはいずれ社会にとてつもなく大きな変化をもたらす。通訳業界では今後1～3年以内という楽観的な見方もあるが、私は少なくとも5年半必要と考えている」と述べた。

今回のイベントにより、AIは標準的な情報の処理において高い正確性を示したが、極めて複雑なシーンでは、通訳者の流ちょうな表現と言語理解能力に取って代わることはできないことが明らかになった。

今後、通訳の現場ではAIが専門用語処理などを担い、人間が感情表現や言語環境の最適化に注力する「協働モデル」が模索される。人間とAIが真のチームとなる未来も、そう遠くないかもしれない。

（翻訳・36Kr Japan編集部）

X1は、従来の音声翻訳機の課題だった「機械的な音声」を大きく改善した。人工知能（AI）で利用者の声を複製する「ボイスクローン」技術が組み込まれており、使えば使うほどAIの学習が進んで利用者の声に似てくるという。

公式サイトによると、X1はオンラインなら40種類の言語、93種類の方言に対応し、オフラインでも13言語間の通訳・翻訳に対応する。翻訳精度は平均95％に上るという。最大の特長は、最大20人・5言語の会議でも同時通訳・翻訳が可能なことだ。

また、デバイス同士を接触させるだけでミーティングIDを取得できるため、オンラインでもオフラインでもスムーズに会議に参加できるという利点もある。さらに、スマートフォンやパソコンなどと接続すれば、会議などの音声や画像の外国語を認識し、2言語字幕を生成することもできる。

中国TCL、「CES 2024」で世界最大級115インチのQDミニELテレビを発表

（36Kr Japan編集部）

Timekettleの最新製品であるイヤホン型翻訳機「WT2 Edge」を装着すると、同時通訳機能により異なる言語を話す人同士でも自然に途切れることなく対話ができるという。

2016年に設立されたTimekettleは、主にスマートデバイスとAI技術をかけ合わせた翻訳機を開発している。AIを用いたスマート翻訳機はすでに数多く存在し、スマートフォンに搭載するアプリのほか、音声AI業界大手「iFLYTEK（科大訊飛）」が次々と翻訳機の新製品を発表している。中でもイヤホン型の翻訳機は、各メーカーがより優れた使用体験を追求して試行錯誤を重ねている。

iFLYTEKは2017年にTWS（完全ワイヤレス）イヤホン型AI翻訳機「莫比斯（Mobius）」を発表し、その後イヤホン型同時通訳機メーカー「Sweetalk」に出資した。中国のIT大手バイドゥ（百度）の「小度（Xiaodu）」、米グーグルの「Pixel Buds」、米Waverly Labsの「Ambassador」なども比較的知られたイヤホン型翻訳製品だ。

「異なる言語の話者間で完全に自然でスムーズな対話体験を求めるなら、現状ではTimekettleのWT2 Edgeが最先端だ」。Timekettleを創業した田力氏はそう述べた。

同社のWT2 Edgeは話者双方の発言をリアルタイムで翻訳する。一方の発言が終わるのを待ち、それから翻訳し、次にもう一方が発言するという順序の制限を取っ払った。話しながら聞く、議論の最中に割って入る、適切なタイミングで発言を補足するなど、自然な対話ではよくあるアクションがとれるため、対話が高度でスムーズになった。

イヤホン型スマート翻訳機は機器の設計、雑音低減のソリューション、通信伝送ソリューションに加え、音声認識、翻訳性能などさまざまな要素を兼ね備えている必要がある。消費者向け電子製品としては複雑性が高い部類に入る。Timekettleは主に機器本体、雑音低減ソリューション、通信ソリューション、AIエンジンのマッチング機能で構成された、対話体験のフロントエンドに関するソリューションを手がける。バックエンドに当たる音声認識や翻訳などの処理能力は、主に各国のサードパーティー企業が提供するAIエンジンと提携。優れたマッチングを通じ、同分野最先端のAIインフラを支柱として高精度の翻訳を確実なものにする。

バックエンドで行われるAIエンジンのマッチングにも多くの開発業務が伴う。 それぞれのAIエンジンに異なるロジックが存在するため、開発者はそれぞれのAIエンジンの構成を理解し、個別に開発とバグ修正を行い、マッチングが完了してからソフトウェア側での翻訳につなぐ必要があるのだ。さらに、ユーザーの現在地に応じて最適なサーバーを割り当てる必要があり、その過程でユーザーの位置特定やサーバーとの大量のコマンドのやりとりが生じる。

WT2 Edgeは現在、40の言語と93種類のアクセントに対応した双方向翻訳が可能だ。2人の対話では同時翻訳が可能なほか、最大6人の会話で二言語双方向翻訳に対応する。複数の人物が入り乱れて発言する場合、より高度な雑音低減技術が求められるため、多人数対話の翻訳は、現段階では話者が1人ずつ順番に発言する方式のみに対応する。今後、エッジコンピューティングが発達してローカルでの処理能力が徐々に高まれば、会議の参加人数を大幅に増やせるようになる。

Timekettle製品の販売は約9割が海外で、米アマゾンではイヤホン型翻訳機カテゴリーでランキング1位となっている。販売規模の拡大に伴ってより多くのユーザーからのフィードバックを得るようになり、一般的な旅行やビジネス用途にとどまらない、より細分化された利用シーンが見えてきている。

米国で比較的多いTimekettle製品の利用例は、英語圏以外からの移民患者の診察など医療サービスでの活用だ。今後はシーン別に製品開発を進め、さまざまな業界の顧客と提携する計画だという。イヤホンの同時翻訳機能を使い、子供の英会話トレーニングに付き添う保護者も多いことから、英語教育アプリ「流利説（Liulishuo）」とも戦略提携した。

創業者の田力氏は「我々が最終的に目指しているのは、スムーズで完全にナチュラルな異言語間交流だ。イヤホンは現段階での媒介役の一つに過ぎない」と述べた。つまり、ハードウェア、ソフトウェアを含めた組織システム全体で体験をアップデート、あるいは再構築し続けていくということだ。

今回、Timekettleに出資した国家中小企業発展基金を管理する「東方富海投資基金（Oriental Fortune Capital）」のパートナー黄国強氏は、「グローバル化が進む現在、通訳サービス市場は100億ドル（約1兆1600億円）規模に達している。これまでの翻訳機は海外旅行などの限られたシーンで利用されてきたが、Timekettleの製品はより利用頻度の高い需要に全面的に対応できる。翻訳機の出荷数はコロナ禍で急減しているが、Timekettleは逆に出荷数を伸ばしている。将来的には国や言語を超え、コミュニケーションのバリアフリー化を実現するインフラとなる期待も大いに持てる」と評価している。
（翻訳・愛玉）