Otter.ai obsłuży język polski i automatycznie rozpozna mowę w wielu językach podczas jednego spotkania

Jedną z najbardziej uciążliwych barier w automatycznym sporządzaniu notatek ze spotkań biznesowych było dotąd sztywne przypisanie do jednego języka. W Otterze użytkownik musiał wcześniej wybrać język transkrypcji, co utrudniało zapisywanie rozmów prowadzonych w kilku językach. Firma Otter.ai zapowiedziała funkcję dynamicznej transkrypcji wielojęzycznej oraz rozszerzenie wsparcia o 27 języków.

Jak wynika z zapowiedzi twórców aplikacji, nowa funkcja ma na bieżąco wykrywać zmianę języka wypowiedzi bez konieczności ingerencji użytkownika. Podczas jednej rozmowy uczestnicy będą mogli przechodzić z angielskiego na koreański, portugalski czy polski, a system ma bez przerw kontynuować tworzenie jednolitego zapisu. Rzecznik firmy w rozmowie z serwisem TechCrunch podkreślił, że celem jest usunięcie barier komunikacyjnych w globalnych przedsiębiorstwach i stworzenie spójnego rejestru decyzji podejmowanych podczas rozmów głosowych.

Do tej pory Otter obsługiwał zaledwie cztery języki. Wdrażany pakiet powiększy tę bazę do 31 pozycji. Trzynaście z nich trafiło do usługi od razu — obok języka polskiego są to mandaryński, koreański, niemiecki, włoski, kantoński, portugalski, rosyjski, indonezyjski, malajski, niderlandzki, turecki oraz wietnamski. Kolejne 14 języków (m.in. szwedzki, duński, fiński, czeski, węgierski, rumuński, arabski i hindi) ma zostać udostępnionych wkrótce.

Nowo dodane języki działają na autorskich modelach rozpoznawania mowy opracowanych przez Otter.ai. Przedstawiciele firmy przekazali, że algorytmy wytrenowano na publicznie dostępnych zbiorach danych, a do oceny dokładności i weryfikacji transkrypcji zaangażowano wolontariuszy będących rodzimymi użytkownikami poszczególnych języków.

Wielojęzyczność to element szerszej strategii przekształcania Ottera z prostego rejestratora dźwięku w bardziej rozbudowaną platformę ułatwiającą zarządzanie pracą biurową. Firma wykorzystuje na ten cel m.in. 320 milionów dolarów pozyskanych niedawno od funduszu General Catalyst. W ostatnich miesiącach do narzędzia trafiły funkcje takie jak Work Mode, który integruje historię spotkań z plikami na Dysku Google, by przygotować użytkownika do nadchodzącej rozmowy, oraz Live Assist, oferujący podpowiedzi i analizę kontekstu na żywo w trakcie trwania spotkania.