带人工智能的商务耳塞翻译机 Timekettle W4 Pro 在测试中：星际迷航》中的三棱镜还是巴别鱼？

有一个事实需要立即澄清：W4 Pro 并不能取代智能手机进行口译，Timekettle 应用程序是使用它的绝对前提条件，因为人工智能功能首先要从这里开始，如果不连接应用程序，甚至连 1 对 1 对话都无法实现。

也可以离线翻译，但 "仅 "有 13 种语言可用。只有在线时，口译员的全部功能才会显现出来。W4 Pro 可以翻译 40 种语言，据说还能掌握 93 种口音。

制造商特别注重几乎无缝的翻译速度。据说响应时间仅为 0.2 秒。

为此，耳塞非常重要。例如，Timekettle X1 采用了入耳式耳塞，而 W4 Pro 则不同，它采用了开放式设计，这是完全合理的。毕竟，入耳式耳机会让人觉得不卫生，尤其是在 1 对 1 对话中，当你把两个耳塞中的一个递给对方时。与 W4 Pro 不同的是，开放式设计意味着您不必担心前一个使用者的耳垢会粘在耳塞上。这样也更容易听到自己的声音，这也是它的优点之一。两个耳塞中每个都内置了三个麦克风，目的是确保精确记录说话内容，并过滤掉不重要的声音。

耳塞本身主要由塑料制成。它们可以固定在耳朵上，但如果佩戴者的头部快速移动，它们就会晃动一下。当耳机正在充电或插入充电盒时，会有一个小的彩色 LED 指示灯。没有防溅保护或其他功能。W4 Pro 的体积也相当大，即使对于耳罩式耳机来说也是如此。相比之下 马歇尔 Motif II A.N.C.入耳式耳塞。

充电盒更大，有些与众不同。外框由铝制成，其余部分为塑料。它可以分成两半，这样你就不必把光秃秃的耳机拿给交谈对象，而是可以把手机放在充电盒里交给对方。不过，包装盒的大小也会让人觉得 W4 Pro 很笨重，移动性明显不如其他耳塞。包装盒背面有一个 USB-C 充电接口。LED 指示充电状态。包括耳塞在内的包装盒重 187 克（约 6.6 盎司）。

可持续发展在昂贵的口译耳塞的营销中没有起到任何作用；制造商没有提供任何有关所用材料的信息。

耳塞包装在一个时尚的黑色硬纸盒中，盒内还使用了硬质泡沫作为绝缘材料。

如前所述，Timekettle 应用程序是强制使用的，首次启动时需要创建一个账户。遗憾的是，您在商店里找不到这款应用程序，只能通过二维码进入下载页面，您必须相信它。为了配对手机，每次重新启动应用程序时还必须激活定位功能。

听筒本身只有一个操作功能：通过点击听筒，您可以在 "边听边说（Listen and Play）"模式下在听和说之间进行切换，这很实用，因为这样您就不必拿起可能放在会议桌上的智能手机向所有与会者翻译您的声音了。

除了一对一、边听边玩和媒体翻译三种翻译模式外，离线模式也可以在应用程序的主屏幕上激活，但媒体翻译会显示为灰色。耳塞的状态也会显示在顶部。也可以直接通过主屏幕提交反馈，或联系客户服务。

底部还有一些标签，在 "发现 "下有一些关于 Timekettle 产品的说明，W4 Pro 只有一个，即如何与智能手机配对。人工智能选项卡无疑令人兴奋。在这里，您可以输入术语，然后让人翻译，甚至大声说出来。在这里还可以找到过去对话的备忘录和录音，并对其进行总结。您还可以训练自己的语言技能，因为这里有一个人工智能模型，您可以用练习语言与模型对话，模型会提出改进建议，并提出问题模拟对话。与翻译中的 40 种语言相比，人工智能机器人似乎只有英语、西班牙语和中文。

W4 Pro 的核心业务。如果你想与对方进行双语对话，只需将充电座上的两个耳塞中的一个递给对方，在应用程序中设置好两种语言，就可以开始了。当然，我们不能对多种语言做出任何评价，我们在测试中只使用了英语和德语。

不过，即使是英语和德语，其质量也远不及人工口译。对于 Timekettle 系统来说，说话者在句子中间的停顿是一个特别的问题。人工智能译员会在中间插入一个不恰当的句尾。如果说话者再次开始说话并完成句子，人工智能译员就会开始新的句子。不难想象，这有时会严重混淆所说内容的意思。

同样值得注意的是，系统并不能掌握对话的大背景。虽然我正在与我的儿子（他是德国人，我是英国人）进行测试，他称呼我为 "爸爸"，但在对话过程中，人工智能也会将我对他的称呼解释为 "Du"，然后再解释为 "Sie"。考虑到商务语境，至少应该始终使用 "Sie"。

其他翻译的质量也相当一般，这在大多数情况下是由于没有识别上下文。听起来相似的词，如 "Meine "和 "Deine "经常被混淆，这意味着所说的话不再有意义，而语境识别可以纠正这一点。另一个例子是鲜为人知的单词，这些单词被错误地随意翻译。人工智能显然也无法从上下文中推断出交流的词语是关于时下流行的 "slacklining "运动的。"Flecklein "和 "Select Lining "一样都是小众运动，虽然人工智能在一分钟前正确识别出了 "Slackline"，但这并没有坚持下去，所以很遗憾，人工智能并没有从对话过程中学习。识别上下文至少不会总是导致新词的创造。

由于对方耳边的翻译声音总是非常迟缓，您又不想在翻译过程中说话，因此您应该遵守某些对话规则，以确保获得最佳翻译效果。这些规则包括：说话流利，但不要太快、太清楚，不要因思考而停顿，但大约两句话后要停顿一下，句子结构要清晰，尽量少用口语。有些行为规则比其他规则更难遵守，即使在商务环境中也是如此。

可能是最通用的模式。在这种模式下，您可以收听各种音源，并在耳边接收翻译，在手机上接收译文。它的广告宣传是在会议中使用，但电台或电视广播也可以用这种方式翻译，其他情况也是可以想象的。如果您想转换角色，自己发言，只需点击右边的听筒或应用程序，自己的手机就会翻译其他与会者的发言。

另一方面，这可能也是最容易出错的模式，因为系统通常需要在一个更大、更广的环境中运行，因此它可能不得不应对多个交替的声音、更多的背景噪音和距离更远的发言者。我们还从 Timekettle 了解到，"听与玩 "中的 "听 "部分也是唯一由智能手机而不是耳塞负责录音的模式。因此，识别功能在很大程度上取决于模型。

例如，我们通过笔记本电脑扬声器播放 YouTube 视频。虽然音量对我们来说是正常到很高，但 W4 Pro 显然无法很好地接收。只有当我们大幅提高音量时，耳机才有动力进行翻译。此外，由于智能手机录音（Pixel 7 Pro）的识别能力明显受到影响，翻译开始后又中途停止的情况也时有发生。请注意，在我的办公桌上，YouTube 视频的音量相当大（通过内置扬声器，笔记本电脑音量为 70%），没有背景噪音。即使在 100% 的音量下，翻译也经常无法继续，这不可能是音量造成的。总的来说，该模式相当不可靠，至少在捕捉正在播放的媒体时是这样。

捕捉自然语音的效果更好，至少没有背景噪音。不过，翻译质量有时还有待提高。特别是，如果说话者在句子中稍作停顿，很快就会被理解为句子结束，然后说话者又开始说话，这有时会扭曲原话的意思。而 "自己说 "似乎效果很好，我们自己说的话都能顺利翻译出来，而且在休息时间，与会者还可以通过智能手机扬声器收听翻译内容。

媒体翻译具体是指翻译与 Timekettle 应用程序在同一智能手机上运行的应用程序。

因此，如果我们在 Timekettle 应用程序中激活该模式，并同时打开 YouTube（或 Zoom 等），例如，我们就可以翻译视频中的声音，并转录视频中的内容，如果需要，还可以显示原文和译文，或仅显示译文，或完全不显示。到目前为止一切顺利。由于该应用程序能够直接从智能手机上捕捉音轨，因此翻译工作也相当出色和快速。带有转录内容的叠加窗口可以缩小或放大，也可以自由移动或关闭--非常好。

不过，这里也有一个或多个小问题。

1. 由于智能手机上的所有应用程序都只有一个音量摇杆，因此原始视频的音量和翻译视频的音量会重叠在一起，而原始视频的音量不会变小，这让人很难集中精力听翻译频道。在这里，YouTube 原视频应该自动变小。
2. Timekettle 声称翻译基本上没有延迟。然而，这充其量只是对转录而言，对音频而言却并非如此。翻译音频只是在几行转录文字之后才开始播放。这意味着音频与转录不一致，导致难以跟读。更糟糕的是，翻译音频与原始视频不匹配。例如，当我们的好朋友亚历克斯在视频中（用英语）谈论一个特定的笔记本电脑型号时，德语翻译员的声音才刚刚开始翻译他的介绍。这就大大增加了观看视频的难度。在体育比赛摘要中，我们要到 7-10 秒后才能从音频翻译中听到进球的声音。
3. 如果我们停止播放视频，（音频）翻译也会在大约 2 秒后停止。当然，这是有道理的，但由于原文和音频翻译之间的延迟时间较长，这可能意味着在视频结束后（即视频自动停止），我们不再收到某些结束部分的音频翻译。如果我们停止视频/音频，然后再继续播放，音频会在通常的延迟后重新开始，但只能从新的起点开始；由于延迟和暂停而尚未翻译到结尾的部分不再有声音翻译，只能在转录中阅读。

不过，总的来说，翻译效果还不错，所有测试过的应用程序都能识别，包括使用 VLC 播放器或 ARD 媒体库播放的广播节目。这一点非常实用，而且翻译质量令人印象深刻。不过，Timekettle 还需要解决翻译语音延迟过长的问题。

毕竟，虚拟钱币不会过期，但也不能提现。