¿Funciona realmente la traduccion en tiempo real con Zoom?
Foto de Gabriel Benois
Zoom es una de las plataformas de videoconferencias más utilizadas, que permite realizar reuniones en línea, chat, transcripción basada en IA, subtitulado en tiempo real y traducción de los subtítulos, entre otras funcionalidades.
¿Cómo funciona la traducción en tiempo real de Zoom?
Los subtítulos en tiempo real ofrecen cierta facilidad de comunicación entre los participantes, especialmente durante reuniones con participantes sordos o con problemas de audición o con participantes que no entiendan alguna de las lenguas de la reunión. A pesar de que, en ocasiones, los subtítulos traducidos en directo pueden mejorar la comunicación, también presentan numerosas deficiencias, que identificamos durante las pruebas que hemos realizado con esta tecnología.
Análisis de la herramienta de traducción simultánea de Zoom
Como intérpretes de conferencias profesionales, hemos detectado claras debilidades de esta herramienta, especialmente en lo que se refiere a:
Falta constante de precisión en el contenido
Los subtítulos generados con IA (interpretación automática) suelen tener dificultades para identificar distintos acentos, términos específicos y nombres propios, lo que da lugar a numerosas interpretaciones erróneas. Por ejemplo, durante una de nuestras pruebas, el nombre Niels se pronunció en el discurso original y Zoom lo mostró de forma inconsistente como «Nels», «Niza» e incluso «nice». En otra prueba, el inglés original decía «the Dome» (es decir, el edificio O2 Arena de Londres) y los subtítulos en español mostraban «la celda», más tarde «la cúpular celular» y «la célula S». Este ejemplo es especialmente interesante, ya que se trataba de un debate entre arquitectos británicos. Nadie que no entendiera el inglés y hubiera leído esos subtítulos habría sido capaz de saber de qué edificio se estaba hablando, que, además, era el tema principal del debate.
Demasiada latencia
El tiempo que transcurre entre que se pronuncian el discurso original y aparecen traducidas en pantalla es excesivo. Con las herramientas basadas en IA, el desfase puede ser de hasta 32 segundos, mientras que la latencia de un intérprete humano es de unos 5 segundos en la mayoría de las combinaciones lingüísticas. Además, los subtítulos de Zoom se generan en frases cortas divididas en fragmentos y que se van reformulando a medida que el algoritmo va procesando los datos. Este cambio constante del texto en pantalla hace que resulte muy molesto para el ojo humano leer, seguir el ritmo y comprender el discurso original.
Alucinaciones
También conocidas como delirios o confabulaciones, son errores que las tecnologías de IA cometen a menudo cuando su algoritmo no procesa algo o no puede hacer frente a factores de estrés como los hablantes rápidos, acentos especiales, nombres propios o términos inusuales, etc. Evidentemente, las máquinas no piensan, por lo que no pueden comprender ni corregirse a sí mismas. En otra de nuestras pruebas, la expresión original en francés «…et choper quelques nouveaux clients» (que significa «y conseguir algunos clientes nuevos») se tradujo al español sin ningún tipo de sentido como «…y matar los macizos».
Privacidad
ya que estos subtítulos se muestran en tiempo real, la información confidencial que se comparte durante las reuniones podría quedar expuesta de forma no deseada, hecho que podría violar la confidencialidad. Cabe destacar que los servidores de terceros no garantizan la seguridad de los datos, como tampoco la garantizan los dispositivos portátiles que funcionan por radiofrecuencia. El mejor modo de proceder si la información es confidencial es pedir al equipo de intérpretes que firme un acuerdo de confidencialidad y que se trabaje en una Intranet con cabinas de interpretación portátiles y receptores digitales para el público asistente.
¿Realmente busca un servicio de interpretación de conferencias profesional?
Aunque el subtitulado en tiempo real con Zoom supone una interesante tecnología para la inclusión y la eficiencia, no deja de ser una herramienta imperfecta que no puede realizar el trabajo de un intérprete humano, especialmente cuando se trata de comprender las diferencias culturales, los distintos acentos, información local, garantizar la confidencialidad y, en especial, la precisión del contenido.
Si necesita un servicio de interpretación de conferencias profesional o equipos de sonido para su congreso…