El intérprete de auriculares de negocios Timekettle W4 Pro con IA a prueba: ¿El tricorder de Star Trek o por fin el pez babel?

Para aclarar un hecho de inmediato: El W4 Pro no sustituye a un smartphone para interpretar, la aplicación Timekettle es un requisito imprescindible para su uso, es aquí donde las funciones de IA están disponibles por primera vez e incluso la conversación 1 a 1 no es posible sin una conexión a la aplicación.

También es posible traducir sin conexión, pero entonces "sólo" están disponibles 13 idiomas. Sólo en línea salen a relucir todas sus capacidades. El W4 Pro puede traducir a 40 idiomas y se dice que domina 93 acentos.

Los fabricantes prestan especial atención a la velocidad de traducción casi sin fisuras. Se dice que el tiempo de respuesta es de sólo 0,2 segundos.

Los auriculares son importantes para ello. A diferencia del Timekettle X1, por ejemplo, que tenía auriculares intrauditivos, el W4 Pro tiene un diseño abierto, lo que tiene todo el sentido. Al fin y al cabo, los auriculares intrauditivos pueden resultar poco higiénicos, sobre todo en las conversaciones 1 a 1, cuando usted entrega uno de sus dos auriculares a la otra persona. A diferencia del W4 Pro, el diseño abierto significa que no tiene que preocuparse de que el cerumen del usuario anterior se pegue a ellos. Esto también hace que sea más fácil oír su propia voz, lo que también tiene ventajas. Hay tres micrófonos integrados en cada uno de los dos auriculares, diseñados para garantizar una grabación precisa de lo que se dice y filtrar los sonidos sin importancia.

Los propios auriculares son en su mayoría de plástico. Se mantienen en su sitio en la oreja, pero se tambalean bastante si la persona que los lleva mueve la cabeza un poco rápido. Un pequeño LED de color indica cuándo se están cargando o introduciendo en el estuche de carga. No disponen de protección contra salpicaduras ni de otras características. Los W4 Pro también son bastante grandes, incluso para tratarse de unos auriculares over-ear. A modo de comparación, los Marshall Motif II A.N.C. son unos auriculares intrauditivos.

El estuche de carga es aún más grande y algo inusual. El marco exterior es de aluminio, el resto es de plástico. Se puede dividir en dos mitades para que no tenga que tender los auriculares desnudos a un interlocutor, sino que pueda entregar el teléfono en el estuche de carga. Sin embargo, el tamaño de la caja también podría hacer pensar que los W4 Pro son toscos y mucho menos móviles que otros auriculares. Hay un puerto de carga USB-C en la parte posterior de la caja. Un LED indica el estado de carga. La caja, auriculares incluidos, pesa 187 gramos (~6,6 oz).

La sostenibilidad no desempeña ningún papel en la comercialización de los caros auriculares para intérpretes; el fabricante no facilita ninguna información sobre los materiales utilizados.

Los auriculares están embalados en una elegante caja de cartón negro, y en su interior también se utiliza una espuma rígida como aislante.

Como ya se ha mencionado, la aplicación Timekettle es de uso obligatorio y es necesario crear una cuenta la primera vez que se inicia. Lamentablemente, no encontrará la app en las tiendas, un código QR conduce a la página de descarga, en la que debe confiar. Para emparejar los terminales, también hay que activar la localización cada vez que se reinicie la app.

Los propios microteléfonos sólo tienen una función operativa: pulsando sobre ellos, puede alternar entre escuchar y hablar en el modo "Escuchar y Reproducir", lo que resulta práctico ya que así no tendrá que coger su smartphone, que puede estar tirado en la mesa de conferencias, para traducir su voz a todos los participantes.

Además de los tres modos de traducción Uno a Uno, Escuchar y Reproducir y Traducción Multimedia, también se puede activar el modo sin conexión en la pantalla principal de la aplicación, pero la traducción multimedia aparece en gris. El estado de los auriculares también se muestra en la parte superior. También se pueden enviar comentarios directamente a través de la pantalla de inicio o ponerse en contacto con el servicio de atención al cliente.

También hay pestañas en la parte inferior, en "Descubrir" hay algunas instrucciones sobre los productos Timekettle, en el caso del W4 Pro sólo una, a saber, cómo emparejarlos con el smartphone. La pestaña "AI" es ciertamente apasionante. Aquí puede teclear términos y hacer que se los traduzcan e incluso que se los digan en voz alta. También se pueden encontrar aquí memos de conversaciones pasadas y grabaciones, que también se pueden resumir. También puede entrenar sus propias habilidades lingüísticas, ya que existe un modelo de IA con el que puede hablar en la lengua de práctica, el modelo le hace entonces sugerencias para mejorar y le formula preguntas para simular una conversación. En contraste con los 40 idiomas de las traducciones, el bot de IA sólo parece estar disponible en inglés, español y chino.

La actividad principal del W4 Pro. Si desea mantener una conversación bilingüe con la otra persona, sólo tiene que entregarle uno de los dos auriculares en la base de carga, configurar los dos idiomas en la aplicación y listo. Por supuesto, no podemos hacer ninguna afirmación sobre los numerosos idiomas, en la prueba nos concentramos en el inglés y el alemán.

Sin embargo, incluso aquí la calidad no es ni de lejos tan buena como la de un intérprete humano. Las pausas en el discurso del orador en mitad de una frase son un problema particular para el sistema Timekettle. Entonces, el traductor de la IA se limita a insertar un final inapropiado para la frase en medio. Si el orador vuelve a empezar y completa la frase, el traductor de IA empieza una nueva frase. Es fácil imaginar que esto puede a veces confundir significativamente el significado de lo que se ha dicho.

También se nota que el sistema no capta el contexto más amplio de la conversación. Aunque estoy haciendo una prueba con mi hijo (él alemán, yo inglés) y él se dirige a mí como "papá", la IA también interpreta que me dirijo a él como "Du" y luego otra vez como "Sie" en el transcurso de la conversación. Teniendo en cuenta el contexto empresarial, al menos aténgase a "Sie" de forma coherente.

La calidad de otras traducciones también es bastante mediocre, lo que en la mayoría de los casos se debe a que no reconoce el contexto. A menudo se confunden palabras que suenan parecido, como "Meine" y "Deine", con lo que lo que se dice deja de tener sentido; el reconocimiento del contexto podría corregirlo. Otro ejemplo son las palabras menos conocidas que luego simplemente se traducen de forma incorrecta y aleatoria. Al parecer, la IA tampoco fue capaz de deducir por el contexto que un intercambio de palabras versaba sobre el deporte de moda, el slacklining. "Flecklein" es tan poco deporte como "Select Lining", aunque la IA había reconocido correctamente "Slackline" un minuto antes, pero esto no se quedó así, por lo que lamentablemente la IA no aprende del curso de la conversación. Reconocer el contexto al menos no siempre conduciría a la creación de nuevas palabras.

Como la voz de la traducción en el oído de la otra persona siempre va con mucho retraso y usted no quiere hablar por encima de la traducción, debe atenerse a ciertas reglas de conversación para garantizar la mejor traducción posible. Éstas incluyen hablar con fluidez, pero no demasiado rápido y con claridad, sin pausas para pensar, sino haciendo una pausa después de unas 2 frases, estructuras de frases claras y el menor lenguaje coloquial posible. Algunas normas de conducta son más difíciles de cumplir que otras, incluso en un entorno empresarial.

Probablemente el modo más versátil. Aquí usted escucha diversas fuentes y recibe la traducción en su oído y la transcripción en su teléfono móvil. Se anuncia para su uso en reuniones, pero las emisiones de radio o televisión también pueden traducirse de este modo, y también son concebibles otras situaciones. Si desea invertir los papeles y hablar usted mismo, sólo tiene que pulsar en el auricular derecho o en la aplicación y su propio teléfono móvil traducirá lo que digan los demás participantes en la reunión.

Por otro lado, este es quizá también el modo más propenso a errores, ya que aquí el sistema suele tener que operar en un contexto más amplio, por lo que puede tener que hacer frente a múltiples voces que se alternan, a más ruido de fondo y a oradores que están más lejos. También hemos sabido por Timekettle que la parte de Escuchar en Escuchar y Reproducir es también el único modo en el que el smartphone es el responsable de la grabación de audio en lugar de los auriculares. Por tanto, el reconocimiento depende en gran medida del modelo.

Por ejemplo, reprodujimos un vídeo de YouTube a través de los altavoces de nuestro portátil. Mientras que el volumen era de normal a alto para nosotros, el W4 Pro aparentemente no podía recibirlo lo suficientemente bien. Sólo cuando subimos mucho el volumen pudimos motivar a los auriculares para que tradujeran. También sucede todo el tiempo que una traducción comienza y luego se detiene en medio de una frase porque el reconocimiento aparentemente sufre a través de la grabación del smartphone (Pixel 7 Pro). Eso sí, en mi escritorio con un vídeo de YouTube bastante alto (70% de volumen del portátil a través de los altavoces internos) sin ruido de fondo. Incluso al 100%, la traducción a menudo simplemente no continúa, lo que no puede deberse realmente al volumen. En general, el modo es bastante poco fiable, al menos cuando captura medios que se están reproduciendo.

La captura de voces naturales funciona mejor aquí, al menos sin ruido de fondo. Sin embargo, la calidad de la traducción a veces deja que desear. En particular, si el orador hace una pequeña pausa durante una frase, esto se interpreta rápidamente como el final de la frase y el orador comienza de nuevo, lo que a veces distorsiona el significado de lo que se dijo originalmente. Hablar por hablar parece funcionar realmente bien, lo que dijimos nosotros mismos se tradujo sin problemas y, si se hacen pausas, los participantes en la reunión pueden escuchar las traducciones a través del altavoz del smartphone.

La traducción de medios consiste específicamente en traducir desde aplicaciones que se ejecutan en el mismo smartphone que la aplicación Timekettle.

Así que si activamos este modo en la app Timekettle y abrimos YouTube (o Zoom, etc.) al mismo tiempo, por ejemplo, podemos hacer que se traduzcan las voces de un vídeo, y lo que se dice también se transcribe y, si se desea, se muestra en el idioma original y la traducción, o sólo como traducción, o nada en absoluto. Hasta aquí todo bien. Las traducciones también funcionan bastante bien y con rapidez porque la aplicación es capaz de capturar la pista de audio directamente desde el smartphone. La ventana superpuesta con las transcripciones puede reducirse o ampliarse y también desplazarse o cerrarse libremente: muy bien.

Sin embargo, aquí también hay uno o varios problemas menores.

1. Como sólo hay un control de volumen para todas las aplicaciones del smartphone, el volumen del original, que por desgracia no se hace más bajo, y el de la traducción se solapan, lo que hace muy difícil concentrarse y escuchar el canal de traducción en particular. En este caso, el vídeo original de YouTube debería volverse automáticamente más silencioso.
2. Timekettle afirma que la traducción está en gran medida libre de retrasos. Sin embargo, esto es cierto en el mejor de los casos para la transcripción, pero no para el audio. El audio de la traducción comienza varias líneas de la transcripción más tarde. Esto significa que el audio no coincide con la transcripción, lo que dificulta la lectura. Pero lo peor es que el audio de la traducción no coincide con el vídeo original. Por ejemplo, mientras nuestro buen Alex habla de un modelo concreto de portátil en el vídeo (en inglés), la voz del traductor alemán apenas empieza a traducir su introducción. Esto hace que sea mucho más difícil seguir el vídeo. No oímos el gol en el resumen del partido deportivo en la traducción de audio hasta 7 - 10 segundos después.
3. Si detenemos un vídeo, la traducción (de audio) también se detiene unos 2 segundos después. Esto tiene sentido, por supuesto, pero junto con el gran retraso entre el original y la traducción de audio, puede significar que tras el final de un vídeo (es decir, la detención automática del vídeo), ya no recibamos la traducción de audio de ciertas secciones finales. Si detenemos un vídeo/audio y luego lo reanudamos, el audio vuelve a comenzar tras el retraso habitual, pero sólo desde el nuevo inicio; lo que aún no se había traducido hasta el final debido al retraso y la pausa ya no se traduce auditivamente, sino que sólo puede leerse en la transcripción.

En general, sin embargo, la traducción funciona bastante bien, todas las aplicaciones probadas fueron reconocidas, incluidas las reproducciones de radio con el reproductor VLC o la biblioteca multimedia ARD. Resulta muy práctico y la calidad de la traducción es impresionante. Sin embargo, Timekettle todavía tiene que trabajar en el gran retraso de la voz de traducción.

Al fin y al cabo, las monedas virtuales no deben caducar, pero tampoco puede retirarlas más tarde.