VV01 – живой демо-версия: английский язык в реальном времени; текст немедленно переводится на русский язык.
90-секундная демонстрация показывает весь процесс проведения офлайн-встреч с использованием VV01. Речь участников записывается в реальном времени и переводится на русский язык как в текстовом виде, так и в форме голосового сообщения. В статье рассматриваются все аспекты работы данного инструмента: характеристики оборудования, показатели задержки и точности выполнения заданий, четыре сценария его использования, а также список контрольных пунктов для повторного использования данного инструмента.
Мы разработали систему Живой видеоэкскурс с демонстрацией функционала VV01: участник выступления говорит на английском языке, а система VV01 в реальном времени записывает его речь на местном языке. Система также преобразует звук из микрофона в переведенный текст на экране. Никаких данных не хранится в облаке.
В этой статье видеоматериал разделен на отдельные части. В нем объясняется, какие функции предоставляются каждой из этих частей. Указываются официальные данные, а также те данные, которые необходимо самостоятельно измерять. В конце статьи приводится список критериев оценки, который можно использовать перед покупкой.
Видео размещается на сайте YouTube. Если в вашем регионе загрузка видео происходит медленно, напротив, в конце страницы указан прямой ссылка на оригинальное видео.
Что содержится в этом видео?
Полный видеоотчет длится 90 секунд и состоит из четырех частей.
| Таймстейп | Содержание |
|---|---|
| 00:00 | Введение и настройка аппаратного обеспечения VV01 |
| 00:15 | Демо-версия живого английского языка распознавание речи (ASR) |
| 00:45 | Мгновенное переводческое приложение на английский язык в русскую версию (текст/голос) |
| 01:15 | Тестирование на точность и низкую задержку обработки данных |
Разделение на отдельные сегменты
00:00 · Настройка оборудования: один настольный хост, один микрофон с возможностью использования в любом направлении.
В разделе настройки показано только два типа подключений: внешний всенаправленный микрофон (USB или 3,5 мм) и выход HDMI (4К вход/8К выход). Не требуется наличие учетной записи в облаке, сервера лицензий, а также процедура установки. Просто подключите устройство к компьютеру – и оно будет работать.
Само устройство VV01 имеет размеры 243×180×82 мм. В нем используется процессор NPU с разрешением 46. Также в устройстве установлено 8 ГБ оперативной памяти и 128 ГБ внутренней памяти, которую можно расширить. Этот формат корпуса означает, что для размещения устройства не требуется использовать специальное место на стенде.
00:15 · В реальном времени на английском языке: текст, который вы произносите в данный момент.
Оратор говорит на английском языке в естественном темпе, в то время как символы речевая транскрипция прокручиваются по экрану. Два момента имеют важное значение:
- Официальное значение времени задержки составляет менее одной секунды. Текст становится доступным примерно через секунду после произнесения слов; вместо того чтобы весь абзац появлялся одновременно в конце текста. В сценариях использования субтитров эта разница имеет большое значение для того, чтобы зритель мог понять сообщение.
- Модель речевая транскрипция работает на локальном процессоре NPU. Это разница между “автономным использованием данных” и “локальной демонстрацией информации с использованием технологии облачного хранения данных”. В последнем случае изображение на экране выглядит так же, как и в обычном режиме, но звук уже передается за пределы устройства.
Одно замечание относительно этих цифр: официальные данные от Уровень точности составляет не менее 98%. Этот показатель определяется на основе стандартных тестов на владение языком мандаринского. показывают реальное время распознавания текста на английском языке. Однако производительность распознавания может варьироваться в зависимости от контекста, акцента и наличия постороннего шума. Это правило применимо к данным любого производителя, а не только к нашим данным.
00:45 · Английский язык на русский: текст и голосовые выводы
Это самый важный элемент процесса перевода: английская речь переводится на русский язык синхронно, с использованием модели Текст переводится на экран, а синтезированный русский текст выводится в виде аудио.. Модель перевода также работает на местном NPU.
Почему это так важно? Потому что именно на этапе перевода обещания "офлайн" чаще всего нарушаются. Если архитектура представляет собой "локальную речевую транскрипцию + облачный API перевода", то аудио действительно может никогда не покидать пределы помещения, но полный текст совещания покидает их через облачный API перевода — это прямой конфликт с обязательствами по хранению данных в трансграничном бизнесе, государственном секторе и финансах (подробнее см. нашу статью Air-Gapped Meeting Minutes).
В демо-версии этот процесс представляет собой локальную схему работы: как перевод текста, так и синтез речи происходят на самом устройстве.
01:15 · Тестирование производительности: точность и задержка обработки данных
В заключительном разделе проводятся тесты на стабильность распознавания и времени обработки данных при постоянном воспроизведении английской речи. Полный видео можно найти в оригинальном файле. Для справки приведены два официальных значения.
| Metric | Официальные данные | Заявление о принятии |
|---|---|---|
| Задержка в реакции/ | Менее 1 секунды | Длинные предложения, связанный стиль речи и переключение языка – вот что действительно оказывается важным при проверке способностей человека. |
| Точность распознавания | ≥98% (стандартный уровень владения языком мандаринского происхождения) | Подтвердите правильность перевода на английский язык с использованием реального аудио из вашей отрасли. |
Почему в демо-версии английский язык сочетается с русским?
Сочетание англичан в роли переводчиков и русских в роли исполнителей не является случайным – это соответствует трем реальным трансграничным сценариям.
- Торговля и деловые переговоры с российскоязычными партнерами: Промышленность, энергетика и сельскохозяйственная торговля – в этих сферах одна сторона говорит на английском языке, а другая – на русском. Использование переводчиков обходится дорого и занимает много времени.
- Международные конференции и выставки: Информационные мероприятия, для которых имеется большое количество русскоязычных зрителей, должны сопровождаться живыми субтитрами. Кроме того, после проведения мероприятия необходимо создать архив с записями происходящего.
- Сценарии работы в сфере обслуживания клиентов и на пограничных территориях: двусторонняя устная коммуникация, при которой каждая дополнительная секунда задержки ухудшает процесс общения.
Все три варианта имеют одинаковые ограничения: только полностью отключенная система может удовлетворить оба условия. Именно поэтому демо-версия работает только на платформе VV01.
Где же расположение символа VV01 в матрице продукта?
Оборудование для проведения встреч от компании VoiVision имеет четыре уровня подходящих по размеру помещений. VV01 соответствует самым маленьким условиям для проведения встреч.
| Модель | Форм-фактор | Вычисления | Позиционирование |
|---|---|---|---|
| V06 | Карта захвата | — | Отдельные записи |
| VV01 | Портативный хост | 46 TOPS | Маленькая комната / Личный стол |
| VV05 | 1U-ракетка | 166 TOPS | На уровне отделов, для нескольких комнат |
| VV10 | 1U-ракетка | 326 TOPS | Компания / Уровень 3 / Секретные данные |
Правило отбора состоит из одной строки: «Использование оборудования для обслуживания одной маленькой комнаты – это просто пустая трата ресурсов. Перемещение настольного устройства за его пределы приводит к повреждению самого оборудования.». Один маленький помещение является идеальным местом для размещения VV01. Если же происходит многопомещенная конкуренция или ситуация уровня 3, то все эти объекты напрямую попадают в категорию VV05/VV10.
Четыре сценария развертывания
Сочетая данную демонстрацию с позиционированием продукта, можно использовать VV01 в четырех сценариях.
| Сценарий | Типичное использование |
|---|---|
| Умные голосовые терминалы | Вставьте локальный код ASR в свои устройства для работы с данными. |
| Системы международных конференций | Соединяется с конференц-системами для подачи двуязычных субтитров в режиме реального времени, а также для использования данных после конференции. |
| Трансграничное обслуживание клиентов | Беспрерывная двусторонняя связь в реальном времени (английский/русский языки и другие языки). Содержимое разговора сохраняется на месте. |
| Интерактивные дисплеи | Двуязычные интерактивные демонстрации на стендах и выставках – без необходимости использования сети. |
Перед покупкой: три возможных действия по принятию товара
Видео все еще является демонстрационной средой. Чтобы определить, подходит ли VV01 для вашего сценария, выполните следующие три действия (эти действия применимы к любому аналогичному продукту):
- Проверка способности распознавания реальных акцентов: Не нужно читать текст по шаблону. Используйте реальные записи из вашей отрасли – акценты, термины, фоновый шум… Проверьте, как работают правильные имена, а также насколько стабильно распознается текст.
- Время обработки данных на всех этапах процесса.: от конца предложения до стабильного текста на экране, затем к переводу, и в конце – к выходу данных в форме речи. Среднее время каждого этапа составляет менее одной секунды. Но вы сами проверяете свою сценарированную версию процесса.
- Перепробовать сеть без подключения к ней.: Повторное воспроизведение того же материала без использования сети. Если процесс перевода или воспроизведения не происходит или производится некорректно, то всё зависит от облачных технологий. В таком случае утверждение о „отсутствии сетевых соединений“ не имеет смысла.
: Представьте требования через contact page или по электронной почте на адрес sales@voivision.com. Также можно связаться через WhatsApp/WeChat по номеру +8618994301192. Обязательно укажите параметры, связанные с масштабом помещения, языковые паре, а также информацию о необходимости использования защищенного соединения для работы устройства. Это поможет нам выбрать подходящую модель устройства.
Дополнительная литература: Multilingual Meetings: Offline Translation and Live Subtitles｜Meeting Minutes Quality: Five Engineering Stages and an Acceptance Checklist｜On-Premise ASR Selection
FAQ
Q: Какой формат выполнения устройства VV01?
A: VV01 – это устройство для проведения офлайн-встреч. Его размеры составляют 243×180×82 мм. Устройство имеет процессор NPU с тактовой частотой 46 ГГц, 8 ГБ оперативной памяти и 128 ГБ внутренней памяти, которую можно расширить. Для работы устройства необходимо подключить внешний микрофон (по USB или через разъем 3.5 мм). Устройство подходит для использования в небольших помещениях и на рабочих столах; для его установки не требуется специальная стойка.
Q: Является ли процесс распознавания текста на английском языке и его перевода на русский язык выполнен локально?
A: Да. И модели речевая транскрипция, и модели для перевода работают на самом устройстве. Аудио и текст никогда не покидают устройство. Это является фундаментальным отличием от схемы, при которой перевод происходит через облачную платформу API. В таком случае обещание „данных, которые никогда не покидают помещение“ теряет свой смысл.
Q: Каково значение показателя задержки речевая транскрипция?
A: Официальный показатель составляет менее одной секунды – текст на экране задерживается примерно на одну секунду после окончания речи. Фактическая задержка может варьироваться в зависимости от условий воспроизведения звука, размера модели и количества процессов, выполняющих одновременно. Необходимо измерять эту задержку в собственном сценарии использования.
Q: Касается ли этот показатель точности в 98% английских текстов демо-версии?
A: Не прямо так. Официальная точность распознавания составляет не менее 98%. Демонстрация показывает возможности распознавания английского языка в реальном времени. Производительность распознавания может меняться в зависимости от области использования, акцента и наличия шума в окружении. Перед тем как делать выводы, проведите тестирование на собственных аудиоматериалах из своей отрасли.
Q: Как мне выбрать между V06, VV01, VV05 и VV10?
A: Необходимо соответствовать формату устройства месту его использования: карта захвата V06 подходит для использования в одной маленькой комнате или на столе; VV01 – подходит для использования в нескольких комнатах; VV05 (1U, 166 TOPS) подходит для использования в нескольких комнатах на уровне отделов; VV10 (1U, 326 TOPS) подходит для использования в корпоративных условиях, а также в секретных средах. Использование оборудования для размещения устройств в одной маленькой комнате является избыточным; использование настольного устройства сверх его предельных возможностей может привести к повреждению оборудования.
Q: Поддерживается ли в переводе с английского на русский язык вывод текста в формате голосового звука?
A: Да. В течение времени с 00:45 показывается русский текст, а также синтезированные голоса. Все это генерируется локально на устройстве.
Q: Как я могу запросить пробную версию продукта или получить предложение по цене?
A: Подавайте свои требования через форму контактов на этой сайте, или по электронной почте: sales@voivision.com. Также можно связаться через WhatsApp/WeChat по номеру +8618994301192. Укажите, какие модели необходимо использовать, какие языковые пары предусмотрены, а также будет ли необходима работа в условиях отдельного подключения к сети. Это поможет нам выбрать правильную модель для вашей потребности.