SyncWordsの課題

全豪オープンのような世界的なイベントを観賞するとき、あるいはニュース速報を字幕付きで観るとき、私たちがその背後にあるテクノロジーを意識することはあまりありません。

SyncWordsは、生放送とオンデマンド配信のキャプションと字幕翻訳、およびAI音声翻訳の分野で業界をリードする、米国拠点の企業です。同社は、世界規模の大型イベントやウェビナー、企業イベントの放送など、数百万時間に上る映像配信を100以上の言語でサポートしています。

近年、ヨーロッパの顧客を中心に高品質の多言語サポートに対する需要が高まっています。そのため、SyncWordsはスピード、精度、拡張性に優れた翻訳ソリューションが必要となりました。幸い、同社の顧客がソリューションの見当をすでにつけており、彼らはDeepLと協働するよう勧めました。

「当社の顧客は、ヨーロッパ言語を中心に、
より質の高い翻訳を必要としていました。
私たちはその要望に応えるためにライブ映像配信のワークフローにDeepLを導入しました。実は、DeepLは顧客に勧められたのです」

SyncWords 事業開発戦略部門 副部長
Giovanni Galvez氏

目指す成果：品質を落とさずに多言語コンテンツを拡張

SyncWordsの使命は翻訳の自動化だけでなく、世界中の人がネイティブスピーカーと同じようにシームレスに楽しめる視聴体験の提供でした。

しかし、ニュース速報、スポーツの世界トーナメント、企業ウェビナーなど様々なライブイベントで、高品質の字幕翻訳を実現することは大きな課題となっていました。

スピード

従来のライブキャプションと字幕翻訳システムには4～8秒の遅れがあったため、リアルタイムの視聴で集中力を維持するのが困難でした。そのため、SyncWordsはライブ映像のスピードに対応できるAI翻訳を必要としていました。

正確さと文脈の理解

AI翻訳ツールは、業界固有の用語、話し手の語調や文脈を適切に反映できないことが多々ありました。

多様なイベントや業界への対応

SyncWordsはニュース、スポーツ、メディア、エンターテイメント、企業イベントなどで大規模な翻訳とキャプション作成を提供しています。これらの翻訳は、精度を損なうことなくシームレスに自動化される必要がありました。

需要に応じた言語対応

SyncWordsのプラットフォームは、わずか数秒で数言語から数十言語まで、柔軟に新しい言語を追加できるため、様々なライブストリーミングや放送を世界中の多様な視聴者に即座に届けられます。

翻訳のパーソナライズ：語調と意図の反映

リアルタイムの字幕翻訳や音声翻訳は、機械的なものでなく自然でなければなりません。SyncWordsは、話し手の語調やトーン、意図など、元のニュアンスを伝えられるソリューションを開発しました。

ストリーミングのプラットフォームとプロトコルとの互換性

AIエンジンは、RTMP、SRT、HLS、CMAFインジェストのようなライブ映像ストリーミングの形式に即座に対応できるわけではありません。SyncWordsは、最新のストリーミング技術を使ったシステムを確立するとともに、AI技術をプラグアンドプレイで使えるようにしました。

DeepLならではの違い

• 顧客に推薦されるAI翻訳

SyncWordsは、DeepL翻訳をシステムに統合する前に、複数のAI翻訳ツールをテストし、言語のニュアンスや業界特有の専門用語、異なる文脈を把握する能力を評価しました。特にヨーロッパ言語を中心に質の高い多言語サポートへの需要が高まったため、様々な分野に対応可能で、流暢な訳を出力でき、用語管理、文章構造の扱いに優れたソリューションが必要でした。

SyncWordsの顧客は、DeepLがSyncWordsのライブストリーミングシステムにシームレスに統合されたことを歓迎しました。DeepLの最新イノベーションにアクセスし、より優れた翻訳の効果を自分たちの動画コンテンツで即座に確認できるからです。

• リアルタイムで遅延のないキャプションと翻訳

生放送の場合、キャプションが少しでも遅れると没入感が損なわれてしまいます。SyncWordsがAIをシステムに組み込むまでは、キャプションが遅れることが多く、視聴者にとってはフラストレーションの原因となっていました。

「生放送中、キャプションの表示が映像や音声から4～8秒遅れることが多く、単語や文の一部にスペルミスがあったり、完全に欠落したりすることがありました。このような問題は、ユーザー体験にマイナスに影響します」

SyncWordsおよびAWS Elemental Media Services​に関するAWSブログ記事

SyncWordsはこの課題に正面から取り組みました。AIによるライブストリーミングプラットフォームに調整を加えることで遅れを最小限に抑え、視聴者にシームレスな体験を提供できるよう改善しました。DeepLの迅速なAPIは瞬時に動作するため、ライブ翻訳はスピーディーな会話にも遅れることなく対応できます。

• 視聴者の心に響くパーソナライゼーション

SyncWordsは、映像のローカライゼーションは単なる翻訳ではなく、文脈、正確性、話し手の意図を反映する必要があることを理解しています。そのため、企業イベント、法律分野、技術放送など、各分野に合わせて用語の一貫性を保つためにDeepLの用語集機能を活用しています。

「用語集を使用することで、複雑な技術翻訳や専門性の高いコンテンツで一貫性を保てるようになったのは画期的でした」

SyncWords 事業開発戦略部門 副部長 Giovanni Galvez氏

SyncWordsはAIを活用した音声翻訳の語調調整における先駆者的存在でもあります。吹き替え映像では、話し手のトーン、感情、話し方を吹き替えでも維持し、質の高い視聴体験を提供しています。さらに、同社のプラットフォームは複数の話し手が存在するグループの会話でも高い性能を発揮します。同社はこれを、ライブニュースやスポーツ分野におけるAI翻訳の次の進化になると考えています。

• 簡単でシームレスなAPIの統合

SyncWordsはコンテナオーケストレーションにKubernetesを活用することで、個々のライブ映像のキャプションとその翻訳のインスタンスを需要に応じて動的に拡張できます。これにより、同社のシステムは次のことが可能です。

1. テニスのグランドスラム、オリンピックやパラリンピック、政治討論、ニュース速報、世界サミットなど、トラフィックの多いライブイベントで急な需要増加が発生した場合でも、エラスティックなリソースを動的に自動拡張
2. Kubernetesの分散配置されたPodでDeepLのAPIを実行し、リアルタイムかつ超低遅延の翻訳の負荷を分散
3. コストのかかるオンプレミスのインフラストラクチャを維持するのではなく、必要なときにだけリソースを活用してコスト効率を最適化
4. ライブストリーミングシステムをソースに近い状態に保ちながら、世界中の様々な地域でライブの字幕翻訳を提供
5. 既存のライブストリーミングシステムがデュアルビデオパイプラインの冗長性と特定地域におけるレジリエンスを必要とする場合でも統合可能

「ライブストリーミングは需要が大きく変動するため、拡張性が非常に重要です。Kubernetesを活用することで、ライブストリーミングがまさに必要とするリソース、つまり過負荷や遅れのない、AIによるリアルタイムの正確性を確保できています。何百、何千ものライブ映像のストリーミングで即座にキャプションや字幕翻訳を提供できるようになりました」

SyncWords 事業開発戦略部門 副部長 Giovanni Galvez氏

このように、SyncWordsはリアルタイムのストリーミングキャプションと字幕翻訳を幅広く展開できるマイクロサービスベースのアーキテクチャをすでに構築していました。では何が課題だったのでしょうか？それは、スムーズに連携でき、需要に応じて拡張可能で、厳しい条件下でも正確性を確保できる
翻訳APIを見つけることでした。DeepLのAPIは、特別なハードウェアや手動による設定を必要としないプラグアンドプレイの拡張性を備え、数百万時間に及ぶ映像のスムーズな配信も可能でした。 

DeepLのAPIをKubernetesベースの環境に完全に組み込むことで、SyncWordsは以下のことを実現できました。

• 同時に行われる何千ものライブ配信で、ボトルネックなくリアルタイムのAI翻訳を提供
• コンテナ化された各ライブストリーミングインスタンスが、DeepLの最新翻訳モデルに
即座にアクセスしてより自然な訳をリアルタイムで提供
• コストのかかる専用翻訳サーバーの必要性を排除し、代わりに完全にクラウドネイティブな自動スケーリングデプロイメントモデルを使用

顧客のグローバル展開を支援

SyncWordsは単なる翻訳サービスプロバイダではなく、国際的な成長を目指すビジネスにとって信頼の置ける戦略的パートナーです。

SyncWordsはDeepLの導入で以下を実現

• 主要ヨーロッパ言語の翻訳へ即座にアクセス。これはヨーロッパ市場の拡大に不可欠でした。
• 視聴者のエンゲージメントを4倍向上。字幕付きの動画が最後まで視聴される頻度が4倍増えました。
• シームレスな法令順守。 企業がアクセシビリティに関する各国の法的義務を満たすのに役立ちます。
• 収益化と配信。放送局が世界中のライブコンテンツのライセンス付与によって収益増加を実現できるようになりました。

今後の展望：AIによる動画ローカライゼーションの未来

映像コンテンツの重要性が高まり、多言語対応への需要が急増する中、SyncWordsはアクセスしやすくパーソナライズされた多言語コミュニケーションへの道を切り開いています。

• AIによって語調が調整された翻訳で、映像の自然な吹き替えが可能に
• より高速かつ拡張性に優れたワークフローで、毎日数百万語を処理
• DeepLを利用して新規市場に進出し、 グローバルリーチをさらに拡大
• 新しいストリーミング技術に対応： スポーツイベントの4Kライブ動画にサラウンドサウンドの翻訳を付けて低遅延で配信

「DeepLの導入で、条件の厳しいライブイベントでも高品質の翻訳をリアルタイムで提供できるようになりました」

SyncWords 事業開発戦略部門 副部長 Giovanni Galvez氏

「ライブ映像は未来」と言われますが、それは視聴者の言語で提供される場合に限ります。SyncWordsとDeepLは共に手を組むことで、ライブ映像の大規模な多言語化を少ない労力で実現できました。