VV01 Live Demo: Bahasa Inggris dalam keadaan nyata, diterjemahkan ke bahasa Rusia secara instan.
Demonstraksi langsung selama 90 detik menunjukkan seluruh proses yang terjadi saat penyelenggaraan pertemuan offline menggunakan VV01. Ucapan dalam bahasa Inggris ditranskripsikan secara real-time, lalu diterjemahkan ke bahasa Rusia, baik dalam bentuk teks maupun suara. Artikel ini menjelaskan setiap bagian dari proses tersebut, termasuk spesifikasi perangkat keras, tingkat latensi, akurasi proses, empat skenario penggunaan, serta daftar persyaratan yang dapat digunakan kembali.
Kami telah mengembangkan sistem Video demonstrasi langsung dari VV01.. Dalam sistem ini, seorang pembicara berbicara dalam bahasa Inggris. Sistem VV01 akan mencatat ucapan tersebut secara lokal, secara real-time. Selain itu, sistem Переводится на русский язык и синтезируется результат выполнения операции. akan menerjemahkan ucapan tersebut menjadi teks yang ditampilkan di layar. Tidak ada kebutuhan untuk menggunakan layanan cloud sama sekali dalam proses penerjemahan ini.
Artikel ini membagi video tersebut menjadi beberapa bagian. Artikel ini juga menjelaskan kemampuan masing-masing bagian dari video tersebut. Artikel ini juga menunjukkan nomor-nomor yang merupakan angka-angka resmi, dan nomor-nomor yang perlu diukur sendiri oleh pembaca. Artikel ini ditutup dengan daftar verifikasi yang dapat digunakan sebelum pembelian dilakukan.
Video tersebut disajikan di YouTube. Jika pemutaran video melalui player yang terpasang di situs web tersebut berjalan lambat di wilayah Anda, maka ada tautan langsung ke video asli yang tersedia di akhir video tersebut.
Apa yang ada dalam video tersebut?
Video yang lengkap berdurasi 90 detik, terdiri dari empat bagian.
| Tanggal pembuatan/penyimpanan | Isi konten |
|---|---|
| 00:00 | Pendahuluan & Pengaturan Perangkat VV01 |
| 00:15 | Demonstraksi langsung dari pengenalan suara (ASR) dalam bahasa Inggris. |
| 00:45 | Terjemahan instan dari bahasa Inggris ke bahasa Rusia (teks/audio) |
| 01:15 | Uji keakuratan dan performa dengan latensi yang rendah |
Pembagian segmen-segmennya
00:00 · Pengaturan perangkat keras: satu host desktop, satu mikrofon yang dapat bergerak ke segala arah.
Bagian pengaturan tersebut hanya menampilkan dua jenis koneksi saja: Mic omnidireksi eksternal (USB atau 3.5mm) dan Output yang ditampilkan oleh HDMI: (4K-in/8K-out). Tidak diperlukan akun cloud, server lisensi, maupun proses instalasi apa pun. Cukup pasang perangkat ini ke komputer, maka perangkat tersebut akan berfungsi dengan baik.
VV01 sendiri merupakan perangkat berbentuk desktop, dengan ukuran 243×180×82 mm. VV01 dilengkapi dengan prosesor NPU berkinerja 46 TOPS, serta memori sebesar 8 GB. Kapasitas penyimpanan data juga mencapai 128 GB, dan dapat diperluas lebih lanjut. Faktor bentuk perangkat inilah yang menentukan bahwa VV01 tidak membutuhkan ruang khusus untuk disimpan di rak.
00:15 · Teks dalam bahasa Inggris secara real-time: teks yang muncul saat Anda berbicara.
Pembicara berbicara dalam bahasa Inggris dengan kecepatan yang alami. Pada saat yang sama, simbol transkripsi suara terus muncul di layar. Ada dua hal yang penting untuk diperhatikan:
- Angka latensi resmi yang diperoleh adalah kurang dari 1 detik. Artinya, teks akan stabil sekitar 1 detik setelah kata-kata tersebut diucapkan. Bukan berarti seluruh paragraf akan muncul secara bersamaan di akhir proses pengucapan teks. Dalam situasi penggunaan subtitlenya secara langsung, perbedaan ini sangat penting, karena hal ini menentukan apakah penonton dapat memahami apa yang disampaikan atau tidak.
- Model transkripsi suara berjalan di atas NPU lokal. Itu merupakan batas antara “display offline” dan “display lokal dengan pengenalan suara dari awan”. Pada tampilan layar, kedua cara tersebut tampak sama, tetapi suaranya sudah dapat diterima oleh perangkat tersebut.
Ada satu catatan mengenai angka-angka tersebut: angka-angka yang digunakan oleh Angka akurasi yang setinggi ≥98% diukur menggunakan standar bahasa Mandarin yang baku. merupakan angka resmi. Demo menunjukkan kemampuan pengenalan bahasa Inggris secara real-time. Namun, kinerja sistem ini bervariasi, tergantung pada domain, aksen, dan adanya gangguan suara di sekitar sistem tersebut. Saran-saran ini berlaku untuk angka-angka dari setiap vendor, bukan hanya dari vendor kita saja.
00:45 · Dari bahasa Inggris ke bahasa Rusia: teks dan suara yang dihasilkan
Ini merupakan bagian inti dari proses penerjemahan: ucapan dalam bahasa Inggris diterjemahkan ke dalam bahasa Rusia secara sinkron, menggunakan Teks yang diterjemahkan ditampilkan di layar, dan suara dalam bahasa Rusia pun disintesis menjadi audio output.. Model penerjemah tersebut juga berjalan di atas perangkat NPU yang ada di lokasi tersebut.
Mengapa hal ini begitu penting? Karena penerjemahan adalah titik di mana klaim "offline" paling sering gagal. Jika arsitekturnya adalah "transkripsi suara lokal + API penerjemahan cloud", maka audio mungkin tidak akan pernah meninggalkan tempatnya, tetapi teks lengkap rapat akan meninggalkan tempat melalui API penerjemahan cloud — hal ini bertentangan langsung dengan komitmen lokasi data dalam bisnis lintas batas, pemerintahan, dan sektor keuangan (lihat analisis kami di Air-Gapped Meeting Minutes).
Dalam demo tersebut, proses transposisi teks dan sintesis suara berlangsung di dalam perangkat tersebut saja.
01:15 · Uji kinerja: akurasi dan waktu respons
Bagian terakhir ini bertujuan untuk menguji stabilitas sistem dalam menghadapi berbagai situasi, serta waktu yang dibutuhkan untuk melakukan proses komunikasi antara berbagai komponen sistem tersebut. Video asli dapat dilihat untuk melihat hasil pengujian secara lengkap. Ada dua angka resmi yang dapat digunakan sebagai referensi:
| Metrik (metric) | Angka resmi/otoritatif | Catatan penerimaan |
|---|---|---|
| Latenya transkripsi suara: | Dalam waktu kurang dari 1 detik | Kalimat yang panjang, penggunaan bahasa yang koheren, serta perubahan bahasa secara berkala merupakan hal-hal yang benar-benar menguji kemampuan seseorang dalam berkomunikasi. |
| Akurasi pengenalan | ≥98% (standar kemampuan bahasa Mandarin) | Verifikasi bahasa Inggris menggunakan audio asli dari industri Anda sendiri. |
Mengapa demo tersebut memilih untuk menggabungkan bahasa Inggris dengan bahasa Rusia?
Pemilihan pasangan yang memiliki kemampuan berbahasa Inggris yang baik dan kemampuan berbahasa Rusia yang lancar bukanlah hal yang acak. Hal ini sesuai dengan tiga skenario lintas batas yang nyata.
- Perdagangan dan negosiasi bisnis dengan mitra yang berbahasa Rusia: Bidang perdagangan mesin, energi, dan pertanian ini membutuhkan adanya penerjemah yang mampu menerjemahkan dari bahasa Inggris ke bahasa Rusia. Penerjemah manusia memerlukan biaya yang mahal, dan proses penerjemahan pun berlangsung secara lambat.
- Konferensi dan pameran internasional: Acara-acara industri yang ditayangkan kepada audiens yang banyak berbahasa Rusia perlu memiliki subtitle yang disajikan secara langsung. Selain itu, perlu juga adanya notulen rapat untuk arsip acara tersebut nantinya.
- Situasi terkait batas-batas wilayah dan layanan pelanggan: Komunikasi lisan yang bersifat dua arah; setiap detik kelebihan dalam proses komunikasi akan mengurangi kualitas percakapan tersebut.
Ketiga pilihan tersebut memiliki batasan yang sama: Hanya alur kerja yang sepenuhnya “offline” yang dapat memenuhi kedua syarat tersebut. Itulah sebabnya demo tersebut dapat berjalan di VV01.
Di mana posisi VV01 dalam matriks produk tersebut?
Perangkat keras yang digunakan oleh VoiVision memiliki empat tingkatan sesuai dengan ukuran ruangan tempat perangkat tersebut dipasang. VV01 merupakan perangkat yang cocok untuk skenario-skenario yang memiliki ukuran ruangan yang paling kecil.
| Model Model Model Model | Faktor bentuk/penampilan | Perhitungan (Computation) | Posisi Posisi |
|---|---|---|---|
| V06 | Kartu perekaman/rekaman | — | Rekaman individu |
| VV01 | Host desktop | 46 TOPS | Ruang yang kecil / Meja kerja pribadi |
| VV05 | 1U rack | 166 TOPS | Pada tingkat departemen, berlaku untuk berbagai ruangan. |
| VV10 | 1U rack | 326 TOPS | Enterprise / MLPS Tingkat 3 / Rahasia |
Aturan pemilihan tersebut hanya terdiri dari satu baris saja: Penggunaan perangkat keras yang berlebihan untuk satu ruangan kecil merupakan pemborosan sumber daya. Memindahkan perangkat keras melewati batas kapasitasnya akan merusak perangkat tersebut.. Satu ruangan kecil saja merupakan tempat yang paling cocok untuk digunakan oleh VV01. Jika ada lebih dari satu ruangan yang dapat digunakan secara bersamaan, atau jika terjadi konflik antar ruangan, maka situasi tersebut akan langsung ditangani oleh VV05/VV10.
Empat skenario pengimplementasian
Dengan menggabungkan demo tersebut dengan posisi produk, maka VV01 dapat digunakan dalam empat skenario berbeda.
| Skenario | Penggunaan yang khas |
|---|---|
| Terminal suara pintar | Tempatkan kode ASR di perangkat tempat Anda menggunakan layanan tersebut. |
| Sistem konferensi internasional | Terintegrasi dengan sistem konferensi untuk penyajian subtitle dalam dua bahasa secara langsung, serta informasi setelah konferensi. |
| Layanan pelanggan lintas batas | Komunikasi dua arah secara real-time (bahasa Inggris/Rusia, dan lain-lain). Konten panggilan tetap disimpan di lokasi tempat panggilan berlangsung. |
| Tampilan interaktif | Demonstraksi interaktif berbahasa dua bahasa di booth-booth dan pameran-pameran tersebut – tidak memerlukan jaringan komunikasi apa pun. |
Sebelum Anda membeli: tiga tindakan yang perlu dilakukan.
Video tetaplah merupakan lingkungan percobaan saja. Untuk menilai apakah VV01 cocok untuk skenario Anda, lakukan ketiga tindakan berikut ini (tindakan-tindakan ini berlaku untuk produk apa pun yang serupa).
- Uji kemampuan untuk mengenali nada suara yang memiliki aksen tertentu.: Abaikan bagian-bagian teks yang sudah ditentukan sebelumnya. Gunakan rekaman nyata dari industri Anda sendiri—termasuk aksen, istilah-istilah khusus, serta suara latar belakang. Lihatlah bagaimana nama-nama penting tetap dapat dibaca dengan jelas, dan bagaimana teks tersebut tetap stabil saat dibaca.
- Waktu latensi dari awal hingga akhir proses tersebut.: Dari akhir kalimat yang ditampilkan di layar, hingga proses penerjemahan teks tersebut menjadi teks yang stabil di layar, lalu ke proses pengucapan teks tersebut. Waktu yang dibutuhkan untuk setiap tahap proses ini kurang dari 1 detik. Namun, Anda perlu memverifikasi skenario Anda sendiri.
- Lanjutkan prosesnya tanpa menggunakan jaringan.: Ulangi materi yang sama tanpa menggunakan jaringan apa pun. Jika proses penerjemahan atau output suara mengalami kesalahan atau menurun kualitasnya secara diam-diam, maka sistem tersebut akan bergantung pada layanan cloud. Dengan demikian, klaim “offline” tidak berlaku lagi.
Pengadilan dan kutipan-kutipan: Sila kirimkan permintaan Anda melalui contact page, atau melalui email di sales@voivision.com. Untuk pertanyaan lainnya, silakan hubungi melalui WhatsApp/WeChat di nomor +8618994301192. Jelaskan juga informasi mengenai skala ruangan, pasangan bahasa yang digunakan, serta apakah diperlukan konfigurasi aplikasi yang berjalan secara terpisah (air-gapped), agar kita dapat menemukan model yang sesuai untuk kebutuhan Anda.
Bacaan tambahan: Multilingual Meetings: Offline Translation and Live Subtitles｜Meeting Minutes Quality: Five Engineering Stages and an Acceptance Checklist｜On-Premise ASR Selection
FAQ
Q: Apa bentuk fisik dari VV01?
A: VV01 merupakan perangkat pengelola pertemuan offline yang memiliki ukuran 243×180×82 mm. Perangkat ini dilengkapi dengan prosesor NPU berkinerja 46 TOPS, 8 GB memori RAM, dan penyimpanan berkapasitas 128 GB yang dapat diperluas. Anda dapat menggunakan mikrofon omnidireksional eksternal (berbasis USB atau 3.5 mm), dan perangkat ini memiliki output yang dapat menangkap gambar berkecepatan 4K atau 8K. Perangkat ini cocok digunakan di ruangan-ruangan kecil atau di atas meja kerja. Tidak perlu menggunakan rak khusus untuk mendukung perangkat ini.
Q: Apakah pengenalan bahasa Inggris dan terjemahan ke bahasa Rusia dalam demo tersebut dilakukan secara lokal?
A: Ya. Baik model transkripsi suara maupun model terjemahan tersebut berjalan di dalam perangkat itu sendiri. Audio dan teks tidak pernah meninggalkan perangkat tersebut. Perangkat ini juga dapat berfungsi dalam lingkungan yang tidak memiliki koneksi internet. Itulah perbedaan mendasar dibandingkan dengan konfigurasi “cloud ASR API dengan tampilan lokal”. Jika proses terjemahan dilakukan melalui cloud API, maka janji bahwa “data tidak akan meninggalkan perangkat” menjadi tidak berlaku lagi.
Q: Apa sebenarnya nilai latensi transkripsi suara tersebut?
A: Angka resmi menunjukkan bahwa waktu yang dibutuhkan untuk proses stabilisasi teks di layar kurang dari 1 detik. Namun, waktu yang sebenarnya bervariasi tergantung pada kondisi audio, ukuran model, dan jumlah proses yang berjalan secara bersamaan. Anda perlu mengukur waktu tersebut dalam skenario Anda sendiri.
Q: Apakah angka akurasi sebesar 98% ini berlaku untuk teks berbahasa Inggris yang terdapat dalam demo tersebut?
A: Tidak secara langsung. Tingkat akurasi resmi yang mencapai ≥98% diukur pada bahasa Mandarin standar. Demo tersebut menunjukkan kemampuan pengenalan teks dalam bahasa Inggris secara real-time. Namun, kinerja sistem ini bervariasi tergantung pada bidangnya, aksen penutur, serta adanya gangguan suara. Sebaiknya, coba gunakan audio dari industri Anda sendiri sebelum membuat kesimpulan.
Q: Bagaimana saya memilih antara V06, VV01, VV05, dan VV10?
A: Hubungkan bentuk fisik perangkat tersebut dengan skala ruangan yang digunakan: V06 cocok untuk pengguna individu; VV01 cocok untuk ruangan atau meja kerja kecil; VV05 (1U, 166 TOPS) cocok untuk penggunaan di berbagai ruangan; VV10 (1U, 326 TOPS) cocok untuk penggunaan di lingkungan perusahaan, Level 3, atau lingkungan yang bersifat rahasia. Perangkat penyimpanan yang digunakan untuk ruangan kecil merupakan pemborosan; menggunakan perangkat yang lebih besar dari ukuran yang diperlukan akan merusak perangkat tersebut.
Q: Apakah terjemahan dari bahasa Inggris ke bahasa Rusia dalam demo tersebut mendukung output suara?
A: Ya. Segmen yang berdurasi 00:45 tersebut menampilkan hasil output berbahasa Rusia, baik dalam bentuk teks yang diterjemahkan maupun suara yang disintesis. Semua hal tersebut dihasilkan secara lokal pada perangkat tersebut.
Q: Bagaimana cara saya meminta versi percobaan atau penawaran harga?
A: Sila kirimkan permintaan Anda melalui halaman kontak di situs ini, atau mengirim email ke sales@voivision.com. Untuk informasi lebih lanjut, silakan hubungi melalui WhatsApp/WeChat di nomor +8618994301192. Jelaskan juga apakah diperlukan konfigurasi yang sesuai dengan standar tertentu, serta apakah perlu adanya penggunaan sistem yang terpisah dari jaringan utama. Dengan demikian, kami dapat menemukan model yang paling cocok untuk kebutuhan Anda.