DE102025131074A1 - Communication system with simultaneous translation - Google Patents
Communication system with simultaneous translationInfo
- Publication number
- DE102025131074A1 DE102025131074A1 DE102025131074.2A DE102025131074A DE102025131074A1 DE 102025131074 A1 DE102025131074 A1 DE 102025131074A1 DE 102025131074 A DE102025131074 A DE 102025131074A DE 102025131074 A1 DE102025131074 A1 DE 102025131074A1
- Authority
- DE
- Germany
- Prior art keywords
- speech content
- generator
- voice
- language
- translated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/56—Arrangements for connecting several subscribers to a common circuit, i.e. affording conference facilities
- H04M3/568—Arrangements for connecting several subscribers to a common circuit, i.e. affording conference facilities audio processing specific to telephonic conferencing, e.g. spatial distribution, mixing of participants
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/20—Aspects of automatic or semi-automatic exchanges related to features of supplementary services
- H04M2203/2061—Language aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2203/00—Aspects of automatic or semi-automatic exchanges
- H04M2203/30—Aspects of automatic or semi-automatic exchanges related to audio recordings in general
- H04M2203/305—Recording playback features, e.g. increased speed
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
Ein Kommunikationssystem für eine akustisch basierte Kommunikation zum Austausch von Sprachinhalten zwischen mindestens zwei jeweils mit einem Kommunikationsendgerät (10a, 10b, 10c, 10d) ausgestatteten Teilnehmern über einen zwischengeschalteten Datenserver (12), wobei der Datenserver eine Übersetzungseinrichtung (22) zur synchronen Bereitstellung einer Übersetzung eines Sprachinhaltes aus der Sprache des Sprachinhalt-Erzeugers in eine Empfängersprache des mindestens einen Sprachinhalt-Empfängers sowie einen Stimmengenerator (24) zur Sprachausgabe des übersetzten Sprachinhaltes umfasst, wobei das Kommunikationsendgerät (10a, 10b, 10c, 10d) des mindestens einen Sprachinhalt-Empfängers den übersetzten Sprachinhalt an den Sprachinhalt-Empfänger akustisch übermittelt, ist dadurch gekennzeichnet, dass die Kommunikation eine Telekonferenz mit mindestens drei Teilnehmern ist und der Stimmengenerator (24) ausgebildet und eingerichtet ist, den übersetzten Sprachinhalt mit einer virtuell erzeugten Stimmlage an den Sprachinhalt-Empfänger auszugeben, die auf der Grundlage von Eigenschaften der Stimmlage des Sprachinhalt-Erzeugers erzeugt ist und sich von den virtuell erzeugten Stimmlagen der anderen Teilnehmer unterscheidet.
Hierdurch wird jedem Teilnehmer der Telekonferenz eine virtuell erzeugte Stimmlage zur Ausgabe der übersetzten Sprachinhalte zugeordnet, die eine möglichst einfache Unterscheidung der Teilnehmer voneinander ermöglicht.
A communication system for acoustically based communication for exchanging speech content between at least two participants, each equipped with a communication terminal (10a, 10b, 10c, 10d), via an intermediate data server (12), wherein the data server comprises a translation device (22) for synchronously providing a translation of a speech content from the language of the speech content generator into a receiver language of the at least one speech content receiver, as well as a voice generator (24) for outputting the translated speech content, wherein the communication terminal (10a, 10b, 10c, 10d) of the at least one speech content receiver acoustically transmits the translated speech content to the speech content receiver, is characterized in that the communication is a teleconference with at least three participants and the voice generator (24) is designed and configured to output the translated speech content to the speech content receiver with a virtually generated voice pitch, which is based on properties of the voice pitch of the Speech content generator and differs from the virtually generated voice tones of the other participants.
This assigns each participant in the teleconference a virtually generated voice pitch for outputting the translated language content, which makes it as easy as possible to distinguish between the participants.
Description
Die Erfindung betrifft ein Kommunikationssystem für eine akustisch basierte Kommunikation zum Austausch von Sprachinhalten zwischen mindestens zwei jeweils mit einem Kommunikationsendgerät ausgestatteten Teilnehmern über einen zwischengeschalteten Datenserver, wobei der Datenserver eine Übersetzungseinrichtung zur synchronen Bereitstellung einer Übersetzung eines Sprachinhaltes aus der Sprache des Sprachinhalt-Erzeugers in eine Empfängersprache des mindestens einen Sprachinhalt-Empfängers sowie einen Stimmengenerator zur Sprachausgabe des übersetzten Sprachinhaltes umfasst, wobei das Kommunikationsendgerät des mindestens einen Sprachinhalt-Empfängers den übersetzten Sprachinhalt an den Sprachinhalt-Empfänger akustisch übermittelt. Die Erfindung betrifft ferner ein Kraftfahrzeug, umfassend ein verbautes Kommunikationsendgerät.The invention relates to a communication system for acoustically based communication for exchanging voice content between at least two participants, each equipped with a communication terminal, via an intermediate data server. The data server comprises a translation device for synchronously providing a translation of a voice content from the language of the voice content generator into a receiver language of the at least one voice content receiver, as well as a voice generator for outputting the translated voice content. The communication terminal of the at least one voice content receiver acoustically transmits the translated voice content to the voice content receiver. The invention further relates to a motor vehicle comprising an installed communication terminal.
Unter „Kommunikationsendgerät“ wird in diesem Zusammenhang ein mobiles oder (vorzugweise in einem Fahrzeug) verbautes Kommunikationsgerät mit Mikrofon, Lautsprecher und gegebenenfalls einer Kamera verstanden. Darunter fallen insbesondere Computer, mobile Endgeräte wie Smartphones oder Tablets, Datenbrillen oder Infotainmentsysteme in Fahrzeugen. Diese müssen lediglich die Fähigkeit besitzen, drahtgebunden oder drahtlos eine Datenverbindung zu dem Datenserver aufzubauen.In this context, a "communications terminal" is understood to mean a mobile or (preferably in a vehicle) built-in communications device with a microphone, loudspeaker, and possibly a camera. This includes, in particular, computers, mobile devices such as smartphones or tablets, data glasses, or infotainment systems in vehicles. These must simply be capable of establishing a wired or wireless data connection to the data server.
Aus der
Wenn nicht nur zwei sondern mehrere Teilnehmer eine Audio- oder Videokonferenz miteinander durchführen, beispielsweise mittels MS Teams, Google Meet, Zoom oder Skype, so ist es für einen Empfänger von Sprachinhalten häufig schwierig, zu ermitteln, welcher Teilnehmer gerade spricht, also einen Sprachinhalt übermittelt.If not just two but several participants conduct an audio or video conference with each other, for example using MS Teams, Google Meet, Zoom or Skype, it is often difficult for a recipient of voice content to determine which participant is currently speaking, i.e. transmitting voice content.
Aufgabe der Erfindung ist es, ein Kommunikationssystem für eine Audio- oder Videokonferenz mit mindestens drei Teilnehmern bereitzustellen, bei dem für die Sprachinhalt-Empfänger die Zuordnung eines empfangenen Sprachinhaltes zu einem Teilnehmer erleichtert wird.The object of the invention is to provide a communication system for an audio or video conference with at least three participants, in which the assignment of a received speech content to a participant is made easier for the speech content receivers.
Die Erfindung ergibt sich aus den Merkmalen der unabhängigen Ansprüche. Vorteilhafte Weiterbildungen und Ausgestaltungen sind Gegenstand der abhängigen Ansprüche.The invention is based on the features of the independent claims. Advantageous developments and refinements are the subject of the dependent claims.
Die Aufgabe wird gemäß Anspruch 1 dadurch gelöst, dass die Kommunikation eine Telekonferenz mit mindestens drei Teilnehmern ist und der Stimmengenerator ausgebildet und eingerichtet ist, den übersetzten Sprachinhalt mit einer virtuell erzeugten Stimmlage an den Sprachinhalt-Empfänger auszugeben, die auf der Grundlage von Eigenschaften der Stimmlage des Sprachinhalt-Erzeugers erzeugt ist und sich von den virtuell erzeugten Stimmlagen der anderen Teilnehmer unterscheidet.The object is achieved according to claim 1 in that the communication is a teleconference with at least three participants and the voice generator is designed and configured to output the translated speech content to the speech content receiver with a virtually generated voice pitch that is generated on the basis of properties of the voice pitch of the speech content generator and differs from the virtually generated voice pitches of the other participants.
Unter Telekonferenz wird in diesem Zusammenhang eine Video- oder Audiokonferenz mit den mindestens drei Teilnehmern verstanden.In this context, teleconference is understood to mean a video or audio conference with at least three participants.
Durch die Erfindung wird jedem Teilnehmer der Telekonferenz eine virtuell erzeugte Stimmlage zur Ausgabe der übersetzten Sprachinhalte zugeordnet, die eine möglichst einfache Unterscheidung der Teilnehmer voneinander ermöglicht. Je mehr Teilnehmer an der Telekonferenz teilnehmen, um so eher kann jeder Teilnehmer nach einer kurzen Zeit der Gewöhnung an die für die anderen Teilnehmer gewählten Stimmlagen diese den einzelnen Teilnehmern zuordnen. Vorzugsweise wird der Stimmengenerator für verschiedene Teilnehmer mit ähnlichen Eigenschaften der realen Stimmlagen klanglich gut unterscheidbare virtuell erzeugte Stimmlagen auswählen. Die Übersetzungseinrichtung ist dabei eingerichtet, eine Vielzahl an Simultanübersetzungen für eine Vielzahl an Sprachinhalten gleichzeitig auszuführen.The invention assigns each participant in the teleconference a virtually generated voice pitch for outputting the translated speech content, which makes it as easy as possible to distinguish between the participants. The more participants participating in the teleconference, the easier it is for each participant to assign the selected voice pitches to the individual participants after a short period of familiarization. Preferably, the voice generator selects virtually generated voice pitches for different participants with similar characteristics of their real voice pitches that are easily distinguishable in terms of sound. The translation device is configured to perform a plurality of simultaneous translations for a plurality of speech contents simultaneously.
Gemäß einer vorteilhaften Weiterbildung ist das mindestens eine Kommunikationsendgerät einen Kontaktdatensspeicher zur Speicherung von Kontaktdaten von Personen umfasst, wobei die Kontaktdaten Informationen über eine bevorzugte Sprache der Person und/oder das Geschlecht der Person und/oder eine Altersangabe der Person umfasst und bei Einrichtung einer Telekonferenz mit einer Person aus dem Kontaktdatensspeicher diese Informationen an den Datenserver übermittelbar sind und die Übersetzungseinrichtung eingerichtet ist, aufgrund dieser Informationen eine virtuell erzeugte Stimmlage für diese Person bei der Ausgabe von übersetzten Sprachinhalten auszugeben. Sobald die Kontaktdaten der Teilnehmer der Telekonferenz im Datenserver verfügbar sind, kennt dieser automatisch die bevorzugte Sprache aller Teilnehmer, selbst die einzelnen Teilnehmer die bevorzugte Sprache der anderen Teilnehmer nicht kennen.According to an advantageous development, the at least one communication terminal comprises a contact data memory for storing contact data of persons, wherein the contact data comprises information about a preferred language of the person and/or the gender of the person and/or an indication of the person's age. When a teleconference is set up with a person, this information can be transmitted from the contact data memory to the data server. The translation device is configured to output a virtually generated voice pitch for this person on the basis of this information when outputting translated language content. As soon as the contact data of the teleconference participants are available in the data server, the data server automatically knows the preferred language of all participants, even if the individual participants do not know the preferred language of the other participants.
Gemäß einer vorteilhaften Weiterbildung kann jeder Teilnehmer über sein Kommunikationsendgerät auch die virtuelle Stimmlage der anderen Teilnehmer individuell ändern, beispielsweise aus einem Stimmlagensatz eine virtuelle Stimmlage auswählen. Diese Weiterbildung bietet sich an, wenn ein Teilnehmer zu verschiedenen Zeitpunkten (an verschiedenen Tagen) mit einzelnen wiederkehrenden Teilnehmern konferiert und es dann die akustische Wiedererkennbarkeit der Teilnehmer verbessert, wenn vom Kommunikationssystem jedes Mal die gleichen virtuellen Stimmlagen für die gleichen Teilnehmer verwendet werden.According to an advantageous further development, each participant can also individually change the virtual voice pitch of the other participants via their communication device, for example, selecting a virtual voice pitch from a set of voice pitches. This further development is useful if a participant is to change the virtual voice pitch at different times (at different different days) with individual recurring participants and then it improves the acoustic recognition of the participants if the communication system uses the same virtual voice tones for the same participants each time.
Gemäß einer vorteilhaften Ausbildung der Erfindung umfasst der Stimmengenerator eine Geschlechtserfassungseinrichtung, welche eingerichtet ist, das Geschlecht des Sprachinhalt-Erzeugers aus der Stimmlage von dessen Sprachinhalten zu ermitteln, wobei der Stimmengenerator den übersetzten Sprachinhalt mit einer dem Geschlecht zugeordneten virtuellen Stimmlage an den mindestens einen Sprachinhalt-Empfänger ausgibt. Hierdurch wird die Unterscheidbarkeit der Teilnehmer verbessert. Sofern es sich um eine Videokonferenz handelt, kann auch eine (vorzugsweise ebenfalls Kl-basierte) Bildverarbeitung des Videobildes die Geschlechtsbestimmung des Teilnehmers vornehmen oder ergänzen.According to an advantageous embodiment of the invention, the voice generator comprises a gender detection device configured to determine the gender of the speech content producer from the pitch of their speech content. The voice generator outputs the translated speech content to the at least one speech content receiver with a virtual pitch assigned to the gender. This improves the distinguishability of the participants. If a video conference is involved, image processing of the video image (preferably also AI-based) can also perform or supplement the participant's gender determination.
Gemäß einer vorteilhaften Weiterbildung der Erfindung umfasst der Stimmengenerator eine Alterserfassungseinrichtung, welche eingerichtet ist, das Alter des Sprachinhalt-Erzeugers zu klassifizieren, wobei der Stimmengenerator den übersetzten Sprachinhalt mit einer dem Alter zugeordneten virtuellen Stimmlage an den mindestens einen Sprachinhalt-Empfänger ausgibt. Eine Unterscheidung kann beispielsweise in 3 oder 4 Altersklassen erfolgen. Da die Stimmen von älteren Personen anders klingen als die von jüngeren Personen, kann durch Wahl einer dem ungefähren Alter des wirklichen Teilnehmers entsprechenden virtuellen Stimmlage eine gute Unterscheidbarkeit verschiedener Teilnehmer erfolgen. Die Alterserfassungseinrichtung kann durch eine vorzugsweise Kl-gestützte Analyse der Stimmlage eines Teilnehmers die Alters-Klassifizierung durchführen. Sofern es sich um eine Videokonferenz handelt, kann auch eine (vorzugsweise ebenfalls Kl-basierte) Bildverarbeitung des Videobildes die Alters-Klassifizierung vornehmen oder ergänzen.According to an advantageous development of the invention, the voice generator comprises an age detection device configured to classify the age of the voice content generator, wherein the voice generator outputs the translated voice content to the at least one voice content receiver with a virtual voice pitch assigned to the age. A distinction can be made, for example, in three or four age categories. Since the voices of older people sound different from those of younger people, different participants can be easily distinguished by selecting a virtual voice pitch corresponding to the approximate age of the actual participant. The age detection device can perform the age classification by preferably analyzing the voice pitch of a participant using AI. If a video conference is involved, image processing of the video image (preferably also AI-based) can also perform or supplement the age classification.
Gemäß einer vorteilhaften Weiterbildung der Erfindung kann das Kommunikationsendgerät beim Aufbau einer Kommunikation durch einen Teilnehmer eine darin gespeicherte Altersinformation des Teilnehmers an den Datenserver übermitteln, wobei der Stimmengenerator den übersetzten Sprachinhalt des Sprachinhalt-Erzeugers mit einer der Altersinformation zugeordneten virtuellen Stimmlage an den mindestens einen Sprachinhalt-Empfänger ausgibt. Anstelle der Verwendung einer Alterserfassungseinrichtung ist es genauer und weniger fehleranfällig, wenn eine Altersinformation direkt vom Kommunikationsendgerät an den Stimmengenerator übermittelt wird.According to an advantageous development of the invention, when a subscriber establishes a communication, the communication terminal can transmit the subscriber's age information stored therein to the data server, whereby the voice generator outputs the translated speech content of the speech content generator to the at least one speech content receiver with a virtual pitch associated with the age information. Instead of using an age detection device, it is more accurate and less error-prone if age information is transmitted directly from the communication terminal to the voice generator.
So kann die Altersinformation in einem Kontaktdatensatz des Teilnehmers enthalten sein, beispielsweise in einer Erweiterung des Standardformats vCard (vcf-Format), das an den Stimmengenerator übermittelt wird. Die Daten eines solchen Kontaktdatensatzes kann vom Datenserver auch an alle anderen Teilnehmer weitergeleitet werden, so dass von deren Kommunikationsendgerät zu einem bekannten und dort gespeicherten Kontaktdatensatz eine virtuelle Stimmlage ausgewählt werden kann. Diese Auswahl einer bestimmten virtuellen Stimmlage kann an den Datenserver zurück übermittelt werden, so dass bei jeder zukünftigen Telekonferenz dem bereits bekannten Teilnehmer stets die gleiche virtuelle Stimmlage zugeordnet wird.For example, the age information can be contained in a participant's contact record, for example, in an extension of the standard vCard (vcf) format, which is transmitted to the voice generator. The data from such a contact record can also be forwarded by the data server to all other participants, allowing their communication device to select a virtual voice range for a known and stored contact record. This selection of a specific virtual voice range can be transmitted back to the data server, ensuring that the same virtual voice range is always assigned to the known participant in every future teleconference.
Gemäß einer vorteilhaften Weiterbildung der Erfindung übermittelt das Kommunikationsendgerät beim Aufbau einer Kommunikation durch einen Teilnehmer eine darin gespeicherte Geschlechtsinformation des Teilnehmers an den Datenserver, wobei der Stimmengenerator den übersetzten Sprachinhalt des Sprachinhalt-Erzeugers mit einer der Geschlechtsinformation zugeordneten virtuellen Stimmlage an den mindestens einen Sprachinhalt-Empfänger ausgibt.According to an advantageous development of the invention, when a subscriber establishes a communication, the communication terminal transmits gender information of the subscriber stored therein to the data server, wherein the voice generator outputs the translated speech content of the speech content generator with a virtual voice pitch associated with the gender information to the at least one speech content receiver.
So kann die Geschlechtsinformation ebenfalls in einem Kontaktdatensatz des Teilnehmers enthalten sein, beispielsweise in einer Erweiterung des Standardformats vCard, der an den Stimmengenerator übermittelt wird. Die Daten eines solchen Kontaktdatensatzes kann vom Datenserver auch an alle anderen Teilnehmer weitergeleitet werden, so dass von deren Kommunikationsendgerät zu einem bekannten und dort gespeicherten Kontaktdatensatz eine virtuelle Stimmlage ausgewählt werden kann.For example, gender information can also be included in a participant's contact record, for example, in an extension of the standard vCard format, which is transmitted to the voice generator. The data from such a contact record can also be forwarded by the data server to all other participants, allowing their communication devices to select a virtual voice pitch for a known and stored contact record.
Gemäß einer vorteilhaften Weiterbildung der Erfindung umfasst der Stimmengenerator einen Kl-basierten Eigenstimmengenerator, der auf der Grundlage von Trainingssprachinhalten eines Teilnehmers trainierbar ist, um den übersetzten Sprachinhalt mit einer virtuell erzeugten Stimmlage auszugeben, welche die Stimmlage des Sprachinhalt-Erzeugers imitiert. So könnte gemäß einer Weiterbildung vor Beginn einer Telekonferenz eine vom Teilnehmer vorher nach vorgegebenen Kriterien erstellte und im Kommunikationsendgerät gespeicherte Sprachdatei an den Eigenstimmengenerator zur Gewinnung der imitierten virtuellen Stimmlage des Teilnehmers übermittelt werden.According to an advantageous development of the invention, the voice generator comprises an AI-based eigenvoice generator, which can be trained based on a participant's training speech content to output the translated speech content with a virtually generated voice pitch that imitates the voice pitch of the speech content generator. Thus, according to a development, before the start of a teleconference, a voice file previously created by the participant according to predetermined criteria and stored in the communications terminal could be transmitted to the eigenvoice generator to obtain the participant's imitated virtual voice pitch.
Gemäß einer vorteilhaften Weiterbildung der Erfindung kann das Kommunikationsendgerät beim Aufbau einer Kommunikation durch einen Teilnehmer eine darin gespeicherte Empfängersprache an den Datenserver übermitteln, der alle an diesen Teilnehmer übermittelten übersetzten Sprachinhalte von den anderen Teilnehmern in die Empfängersprache übersetzt. Diese Empfängersprache kann als Teile einer vCard gespeichert und bei Aufbau einer Telekonferenz an den Datenserver übermittelt werden, damit die Übersetzungseinrichtung automatisch die für den Teilnehmer gewünschte Sprache auswählt und die Sprachinhalte der anderen Teilnehmer in diese bevorzugte Sprache übersetzt werden.According to an advantageous development of the invention, when a subscriber sets up a communication, the communication terminal can transmit a receiver language stored therein to the data server, which then translates all translated language content from the other subscribers into the receiver language. This recipient language can be saved as part of a vCard and transmitted to the data server when a teleconference is established, so that the translation facility automatically selects the desired language for the participant and the language content of the other participants is translated into this preferred language.
Gemäß einer vorteilhaften Weiterbildung der Erfindung weist das Kommunikationsendgerät eine Schaltfunktion umfasst, die eingerichtet ist, für jeden anderen Teilnehmer individuell die Übersetzungsfunktion zu schalten, um Sprachinhalte der anderen Teilnehmer je nach Schaltstellung entweder im Original oder übersetzt an den Benutzer des Kommunikationsendgerätes zu übermitteln. So kann ein Teilnehmer, der einer anderen Sprache mächtig ist, die Sprachinhalte bevorzugt in der Originalsprache des Sprachinhalt-Erzeugers erfassen, um Übersetzungsungenauigkeiten zu vermeiden.According to an advantageous development of the invention, the communication terminal includes a switching function configured to individually switch the translation function for each other participant in order to transmit the speech content of the other participants to the user of the communication terminal either in the original or translated, depending on the switching position. Thus, a participant who is fluent in another language can preferentially capture the speech content in the original language of the speech content generator to avoid translation inaccuracies.
Gemäß einem zweiten Aspekt der Erfindung umfasst diese ein Kraftfahrzeug, in dem ein Kommunikationsendgerät nach einem der vorhergehenden Aspekte verbaut ist. Dadurch ist es möglich, dass ein Passagier des Kraftfahrzeug über ein verbautes Infotainmentsystem Video- oder Audiochats mit mehreren Personen durchführt oder an Telekonferenzen teilnimmt und die anderen Teilnehmer akustisch gut unterscheiden kann, ohne seine visuelle Aufmerksamkeit vom Verkehr abzulenken.According to a second aspect of the invention, it comprises a motor vehicle in which a communications terminal according to one of the preceding aspects is installed. This makes it possible for a passenger of the motor vehicle to conduct video or audio chats with several people or participate in teleconferences via an installed infotainment system and to clearly distinguish the other participants acoustically without distracting their visual attention from the traffic.
Weitere Vorteile, Merkmale und Einzelheiten ergeben sich aus der nachfolgenden Beschreibung, in der unter Bezug auf die Zeichnungen zumindest ein Ausführungsbeispiel im Einzelnen beschrieben ist. Gleiche, ähnliche und/oder funktionsgleiche Teile sind mit gleichen Bezugszeichen versehen.Further advantages, features, and details will become apparent from the following description, which describes at least one embodiment in detail with reference to the drawings. Identical, similar, and/or functionally equivalent parts are provided with the same reference numerals.
Dabei zeigt die Figur eine schematische Darstellung des erfindungsgemäßen Kommunikationssystems.
- In der Figur sind mehrere Kommunikationsendgeräte 10a, 10b, 10c, 10d dargestellt, die mit einem Datenserver 12 in Kommunikationsverbindung stehen. Die Kommunikationsendgeräte 10a, 10b können mobile Endgeräte wie Smartphones oder Tablets sein, die über drahtlose Verbindungen 14 mit dem Datenserver 12 kommunizieren, beispielsweise über ein Mobilfunknetz. Das Kommunikationsendgerät 10c ist ein stationärer Computer, der über eine Datenleitung 16 mit dem Datenserver 12 verbunden ist. Das Kommunikationsendgerät 10d ist ein in einem Kraftfahrzeug 18 verbautes Endgerät mit einem Fahrzeugdisplay 20, der über eine drahtlose Verbindung 14 mit dem Datenserver 12 kommuniziert. Die Kommunikationsendgeräte 10a, 10b, 10c, 10d umfassen jeweils mindestens eine Applikation (App) zur Durchführung einer Telekonferenz, beispielsweise Skype oder eine entsprechende proprietäre App eines OEMs (insb. eines Kraftfahrzeugherstellers). Die Kommunikationsendgeräte 10a, 10b, 10c, 10d weisen vorzugsweise jeweils eine Kamera auf, um Videokonferenzen durchführen zu können.
- The figure shows several communication terminals 10a, 10b, 10c, 10d that are in communication connection with a data server 12. The communication terminals 10a, 10b can be mobile devices such as smartphones or tablets that communicate with the data server 12 via wireless connections 14, for example, via a cellular network. The communication terminal 10c is a stationary computer connected to the data server 12 via a data line 16. The communication terminal 10d is a terminal installed in a motor vehicle 18 with a vehicle display 20 that communicates with the data server 12 via a wireless connection 14. The communication terminals 10a, 10b, 10c, 10d each comprise at least one application (app) for conducting a teleconference, for example, Skype or a corresponding proprietary app from an OEM (in particular, a motor vehicle manufacturer). The communication terminals 10a, 10b, 10c, 10d preferably each have a camera in order to be able to conduct video conferences.
Der Datenserver 12 kann einer Telekonferenz-Plattform wie MS Teams, Google Meet, Zoom oder Skype oder auch einem OEM zugeordnet sein und umfasst mindestens eine auf einem generativen KI-Modell basierende Übersetzungseinrichtung 22, die eingerichtet ist, eine Vielzahl an Simultan-Übersetzungen von einer Sprache aus einer verfügbaren Gesamtheit an Übersetzungssprachen in eine zweite Sprache durchzuführen. Die Übersetzungseinrichtung 22 kann insbesondere auf dem Sprache-Zu-Text (STT) und Text-Zu-Sprache (TTS) Prinzip beruhen. Diese umfasst einen Stimmengenerator 24, der eine Vielzahl an durch Training mit verschiedenen Stimmen erzeugten Stimmlagen zur Erzeugung von Sprachausgaben umfasst, um diese Sprachausgaben mit einer der gespeicherten Stimmlagen auszugeben. Die gespeicherten Stimmlagen umfassen für die beiden Geschlechter (männlich, weiblich) und verschiedene Alterskategorien jeweils mehrere klanglich unterscheidbare Stimmlagen. Als Alterskategorien können in Betracht kommen 0 - 10 Jahre (Kinder), 11 - 20 Jahre (Jugendliche), 21 - 40 Jahre (junge Erwachsene), 41 - 60 Jahre (Erwachsene mittleren Alters), 61 - 80 Jahre (alte Erwachsene), 80 und mehr Jahre (sehr alte Erwachsene). Es können mehr oder weniger Alterskategorien vorgesehen sein. Da es bei Telekonferenzen mit mehreren Teilnehmern je nach Bereich der Konferenz sein kann, dass mehrer Teilnehmer in die gleiche Geschlechts- und Alterskategorie fallen, sind für jede Alters- und Geschlechtskategorie mehrere Stimmlagen im Stimmengenerator 24 gespeichert.The data server 12 can be assigned to a teleconferencing platform such as MS Teams, Google Meet, Zoom, or Skype, or even to an OEM, and comprises at least one translation device 22 based on a generative AI model, which is configured to perform a plurality of simultaneous translations from one language from an available set of translation languages into a second language. The translation device 22 can be based, in particular, on the speech-to-text (STT) and text-to-speech (TTS) principle. This comprises a voice generator 24, which comprises a plurality of voice pitches generated by training with different voices for generating speech outputs in order to output these speech outputs with one of the stored voice pitches. The stored voice pitches each comprise several sonically distinguishable voice pitches for the two genders (male, female) and different age categories. Possible age categories include 0-10 years (children), 11-20 years (teenagers), 21-40 years (young adults), 41-60 years (middle-aged adults), 61-80 years (old adults), 80 and over (very old adults). More or fewer age categories may be provided. Since, depending on the scope of the conference, in teleconferences with multiple participants, several participants may fall into the same gender and age category, several voice ranges are stored in the voice generator 24 for each age and gender category.
Der Stimmengenerator 24 kann eine Geschlechtserfassungseinrichtung 26 umfassen, die als trainiertes Kl-Modell eingerichtet ist, auf der Grundlage von gesprochenem Text eines Teilnehmers das Geschlecht des Sprechenden zu ermitteln.The voice generator 24 may comprise a gender detection device 26 configured as a trained AI model to determine the gender of the speaker based on spoken text of a participant.
Der Stimmengenerator 24 kann eine Alterserfassungseinrichtung 28 umfassen, die als trainiertes Kl-Modell eingerichtet ist, auf der Grundlage von gesprochenem Text eines Teilnehmers das ungefähre Alter des Sprechenden zu ermitteln und in eine der o.g. Kategorien einzuordnen.The voice generator 24 may comprise an age detection device 28 which is configured as a trained AI model to determine the approximate age of the speaker on the basis of spoken text of a participant and to classify it into one of the above-mentioned categories.
Der Stimmengenerator 24 kann alternativ oder zusätzlich einen Eigenstimmengenerator 30 umfassen, der ein Kl-Modell umfasst, das auf der Grundlage von gesprochenem Text eines Teilnehmers trainiert wird und daraus eine virtuell erzeugte Stimmlage erzeugt und speichert, welche die Stimmlage des Teilnehmers imitiert.The voice generator 24 may alternatively or additionally comprise an eigenvoice generator 30 comprising a Kl model that is trained on the basis of spoken text of a participant and generates therefrom a virtually generated Voice pitch is generated and stored, which imitates the voice pitch of the participant.
Die Übersetzungseinrichtung 22 umfasst eine Spracherkennungseinrichtung 32, die als trainiertes Kl-Modell eingerichtet ist, auf der Grundlage von gesprochenem Text eines Teilnehmers, vorzugsweise basierend auf einer Sprache-Zu-Text Funktionalität die Sprache eines Sprechenden zu ermitteln.The translation device 22 comprises a speech recognition device 32, which is configured as a trained AI model to determine the language of a speaker on the basis of spoken text of a participant, preferably based on a speech-to-text functionality.
Die Kommunikationsendgeräte 10a, 10b, 10c, 10d enthalten mindestens eine App zur Speicherung von Kontaktdaten, insbesondere Namen, Adressen, Telefonnummern, Emailadressen, vorzugsweise in Form einer digitalen Visitenkarte 34, oft in einem so genannten vCard-Dateiformat (kurz für Versit-Karte, nach dem Herausgeber des Dateiformates Versit), auch als VCF-Dateiformat bezeichnet, oder in Form eines digitalen Kalenders, zum Beispiel im iCalender-Dateiformat. Eine solche digitale Visitenkarte 34 kann in einer Weiterbildung der Erfindung zusätzliche Felder, nämlich für das Geschlecht, das Alter (oder Geburtsjahr oder Geburtsdekade) und/oder eine bevorzugte Sprache der Kontaktperson umfassen.The communication terminals 10a, 10b, 10c, 10d contain at least one app for storing contact data, in particular names, addresses, telephone numbers, and email addresses, preferably in the form of a digital business card 34, often in a so-called vCard file format (short for Versit card, after the publisher of the file format Versit), also referred to as a VCF file format, or in the form of a digital calendar, for example, in the iCalender file format. In a further development of the invention, such a digital business card 34 can include additional fields, namely for the gender, age (or year or decade of birth), and/or a preferred language of the contact person.
Sofern eine Video- oder Audio-Telekonferenz mit mehreren Teilnehmern unter Verwendung von digitalen Visitenkarten 34 durchgeführt wird, werden gemäß einer ersten Ausbildung vom Organisator der Telekonferenz die Visitenkartendaten zum Geschlecht, Alter und der bevorzugten Sprache der an der Telekonferenz beteiligten Personen an den Datenserver 12 übermittelt, in dem die Übersetzungseinrichtung 22 den Stimmengenerator 24 veranlasst, für jeden Teilnehmer die Sprachinhalte aller anderen Teilnehmer in die gemäß den Visitenkartendaten jeweils bevorzugte Sprache jedes einzelnen Teilnehmers zu übersetzen. Ferner wird der Eigenstimmengenerator 30 angesteuert, für alle Übersetzungen von Sprachinhalten dieses Teilnehmers eine Stimmlage auszuwählen, die dem Geschlecht, Alter gemäß den Visitenkartendaten entspricht.If a video or audio teleconference is conducted with multiple participants using digital business cards 34, according to a first embodiment, the teleconference organizer transmits the business card data regarding the gender, age, and preferred language of the people participating in the teleconference to the data server 12, where the translation device 22 causes the voice generator 24 to translate the voice content of all other participants for each participant into the preferred language of each individual participant according to the business card data. Furthermore, the self-voice generator 30 is controlled to select a voice pitch for all translations of this participant's voice content that corresponds to the gender and age according to the business card data.
Beispielsweise für eine Telekonferenz mit vier Teilnehmern, die vom Teilnehmer 1 organisiert wird, erhält der Datenserver 12 aus den Visitenkartendaten der anderen drei Teilnehmer die in Tabelle 1 dargestellten Informationen. Tabelle 1
Jeder Teilnehmer bekommt die Sprachinhalte der anderen Teilnehmer im Original übermittelt, sofern dessen bevorzugte Sprache gleich der Sprache der Sprachinhalte ist. Wenn Teilnehmer 1 einen deutschsprachigen Sprachinhalt erzeugt, so wird dieser an den Teilnehmer 2 ins Englisch übersetzt und mit einer Stimmlage ausgegeben, die einem männlichen jungen Erwachsenen entspricht. Der gleiche Sprachinhalt wird an den Teilnehmer 3 ins Spanische übersetzt und mit der gleichen Stimmlage ausgegeben. Der gleiche Sprachinhalt wird an den Teilnehmer 4 ins Englische übersetzt und mit der gleichen Stimmlage ausgegeben. Der gleiche Sprachinhalt wird an den Teilnehmer 5 unübersetzt übermittelt.Each participant receives the other participants' original language content, provided their preferred language is the same as the language of the content. If participant 1 produces German language content, it is translated into English to participant 2 and delivered in a voice pitch corresponding to a young male adult. The same language content is translated into Spanish to participant 3 and delivered in the same voice pitch. The same language content is translated into English to participant 4 and delivered in the same voice pitch. The same language content is delivered untranslated to participant 5.
Wenn der Teilnehmer 2 einen englischsprachigen Sprachinhalt erzeugt, so wird dieser an den Teilnehmer 1 ins Deutsche übersetzt mit einer weiblichen Stimmlage mittleren Alters.If participant 2 creates an English language content, it is translated into German to participant 1 using a middle-aged female voice.
Wenn der Teilnehmer 5 einen deutschsprachigen Sprachinhalt erzeugt, so wird dieser beispielsweise an den Teilnehmer 2 ins Englisch übersetzt und mit einer Stimmlage ausgegeben, die sich von der Stimmlage von Teilnehmer 1, der geschlechts- und altersmäßig in die gleiche Kategorie fällt wie Teilnehmer 5, deutlich unterscheidet.If participant 5 creates a German language content, this is translated into English to participant 2, for example, and output in a voice that is significantly different from the voice of participant 1, who falls into the same gender and age category as participant 5.
Jeder Teilnehmer hat darüber hinaus die Möglichkeit, für jeden anderen Teilnehmer die Übersetzung vorzugsweise durch einen jedem anderen Teilnehmer zugeordneten Display-Schalter 36 ein- oder auszuschalten, also statt der Übersetzung der Sprachinhalte dieses Teilnehmers die Sprachinhalte im Original zu erhalten.Each participant also has the option of switching the translation on or off for each other participant, preferably using a display switch 36 assigned to each other participant, i.e. receiving the language content in the original instead of the translation of the language content of this participant.
Jedes Kommunikationsendgerät 10a - 10d hat ferner einen Spracheinsteller 38 zur Einstellung der bevorzugten Sprache des Benutzer dieses Kommunikationsendgerätes 10a - 10d. Diese Einstellung hat Vorrang vor der vom Organisator der Telekonferenz vorgegebene bevorzugte Sprache zu ersetzen, so dass die übersetzten Sprachinhalte der anderen Teilnehmer in dieser vom Nutzer des Kommunikationsendgerätes 10a - 10d eingestellten Sprache und nicht in einer anderen Sprache übermittelt werden.Each communication terminal 10a-10d further has a language selector 38 for setting the preferred language of the user of this communication terminal 10a-10d. This setting takes precedence over the preferred language specified by the teleconference organizer, so that the translated language content of the other participants is transmitted in this language set by the user of the communication terminal 10a-10d and not in any other language.
Gemäß einer zweiten Ausführung werden vom Organisator der Telekonferenz außer der bevorzugten Sprache des Organisators keine Daten zu den anderen Teilnehmern übermittelt. Es kann gemäß einer Weiterbildung jedoch ein Trainingstext des Teilnehmers an den Datenserver 12 übermittelt werden, damit der Eigenstimmengenerator 30 daraus eine virtuelle Stimmlage des Teilnehmers mittels KI-Training erzeugen kann, die für alle Übersetzungen an die anderen Teilnehmer verwendet wirdAccording to a second embodiment, the teleconference organizer transmits no data to the other participants other than the organizer's preferred language. However, according to a further development, a training text from the participant can be transmitted to the data server 12. so that the eigenvoice generator 30 can generate a virtual voice pitch of the participant by means of AI training, which is used for all translations to the other participants
Gemäß einer dritten Ausführung werden wie bei der zweiten Ausbildung vom Organisator der Telekonferenz außer der bevorzugten Sprache des Organisators keine Daten zu den anderen Teilnehmern übermittelt. Der dem Datenserver 12 zugeordnete Stimmengenerator 24 ermittelt über die Geschlechtserfassungseinrichtung 26 aus einem Sprachinhalt eines Teilnehmers das Geschlecht und über die Alterserfassungseinrichtung 28 das ungefähre Alter des des Sprachinhalt-Erzeugers und erzeugt eine virtuelle Stimmlage für weitere Sprachinhalte des Sprachinhalt-Erzeugers, die für die Übersetzungen der weiteren Sprachinhalte dieses Teilnehmers bzw. Sprachinhalt-Erzeugers verwendet wird.According to a third embodiment, as in the second embodiment, the teleconference organizer transmits no data to the other participants other than the organizer's preferred language. The voice generator 24 assigned to the data server 12 determines the gender of a participant from a speech content via the gender detection device 26 and the approximate age of the speech content producer via the age detection device 28. It generates a virtual voice pitch for further speech content from the speech content producer, which is used for translating the further speech content of this participant or speech content producer.
Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen, beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente, vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa weitergehenden Erläuterungen in der Beschreibung, definiert wird.Although the invention has been illustrated and explained in detail by means of preferred embodiments, the invention is not limited by the disclosed examples, and other variations can be derived therefrom by those skilled in the art without departing from the scope of protection of the invention. It is therefore clear that a multitude of possible variations exist. It is also clear that embodiments mentioned by way of example really only represent examples that are not to be understood in any way as limiting the scope of protection, possible applications, or configuration of the invention. Rather, the foregoing description and the description of the figures enable those skilled in the art to specifically implement the exemplary embodiments. The skilled person, with knowledge of the disclosed inventive concept, can make various changes, for example with regard to the function or arrangement of individual elements mentioned in an exemplary embodiment, without departing from the scope of protection defined by the claims and their legal equivalents, such as further explanations in the description.
BezugszeichenlisteList of reference symbols
- 10a - d10a - d
- KommunikationsendgeräteCommunication devices
- 1212
- DatenserverData server
- 1414
- drahtlose Verbindungenwireless connections
- 1616
- Datenleitungdata line
- 1818
- Kraftfahrzeugmotor vehicle
- 2020
- FahrzeugdisplayVehicle display
- 2222
- ÜbersetzungseinrichtungTranslation facility
- 2424
- StimmengeneratorVoice generator
- 2626
- GeschlechtserfassungseinrichtungGender registration facility
- 2828
- AlterserfassungseinrichtungAge registration facility
- 3030
- EigenstimmengeneratorEigenvoice generator
- 3232
- SpracherkennungseinrichtungSpeech recognition device
- 3434
- digitale Visitenkartedigital business card
- 3636
- Display-SchalterDisplay switch
- 3838
- SpracheinstellerLanguage settings
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES CONTAINED IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents submitted by the applicant was generated automatically and is included solely for the convenience of the reader. This list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- DE 10 2012 019 994 A1 [0003]DE 10 2012 019 994 A1 [0003]
Claims (10)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102025131074.2A DE102025131074A1 (en) | 2025-08-05 | 2025-08-05 | Communication system with simultaneous translation |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102025131074.2A DE102025131074A1 (en) | 2025-08-05 | 2025-08-05 | Communication system with simultaneous translation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| DE102025131074A1 true DE102025131074A1 (en) | 2025-10-02 |
Family
ID=97027229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| DE102025131074.2A Pending DE102025131074A1 (en) | 2025-08-05 | 2025-08-05 | Communication system with simultaneous translation |
Country Status (1)
| Country | Link |
|---|---|
| DE (1) | DE102025131074A1 (en) |
-
2025
- 2025-08-05 DE DE102025131074.2A patent/DE102025131074A1/en active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE60124985T2 (en) | speech synthesis | |
| DE69839068T2 (en) | System and method for automatic processing of call and data transmission | |
| DE3416238C2 (en) | Extreme narrow band transmission system and method for transmission of messages | |
| DE102021204829A1 (en) | AUTOMATIC CORRECTION OF INCORRECT AUDIO SETTINGS | |
| EP1184841A1 (en) | Speech controlled apparatus and method for speech input and speech recognition | |
| DE602004011109T2 (en) | METHOD AND SYSTEM FOR SENDING LANGUAGE MESSAGES | |
| EP2389753B1 (en) | Conference system and associated signalling method | |
| DE102017121059A1 (en) | IDENTIFICATION AND PREPARATION OF PREFERRED EMOJI | |
| EP1590797A1 (en) | Communication system, communication emitter, and appliance for detecting erroneous text messages | |
| EP2047668B1 (en) | Method, spoken dialog system, and telecommunications terminal device for multilingual speech output | |
| DE10208295A1 (en) | Method for operating a voice dialog system | |
| EP2377301B1 (en) | Method and device for intelligent composition of a multimedia message for a mobile radio system | |
| DE102025131074A1 (en) | Communication system with simultaneous translation | |
| EP1016312A2 (en) | Method and device for automatic translation of messages in a communications system | |
| DE10118125A1 (en) | Automatic purchasing system for use with user terminal includes user dialogue system with automatic speech recognition device and speech delivery device | |
| DE19953398A1 (en) | Subscriber-specific message management method for SMS messages by transmitting position and intention data of users to central switching centre which transmits to other users whose data matches | |
| DE19942869A1 (en) | Operating method for speech-controlled device for motor vehicle involves ad hoc generation and allocation of new speech patterns using adaptive transcription | |
| DE102018200431A1 (en) | A method for outputting a signal of a wireless communication link between a first user in a means of transportation and an external communication participant | |
| DE112021004727T5 (en) | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING TERMINAL, INFORMATION PROCESSING METHOD AND PROGRAM | |
| DE3328059C2 (en) | Method for the selection on the receiving side of data or voice connections running via an exchange of a telecommunications or telephone system | |
| WO2005106706A2 (en) | Method and system for preparing an automatic translation of a text | |
| DE10348149B4 (en) | Procedure for conducting a telephone conference | |
| DE3328085C2 (en) | Method of transferring data | |
| EP0897638B1 (en) | Method of automatically allocating a video conference participant voice signal to his image | |
| DE10046208A1 (en) | Voice filter system for a telephone network which categorises voice messages |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R230 | Request for early publication |