Ett samtal, två språk – och mobilen som tolk
Telefonen kan redan hjälpa dig att prata över språkgränser, ibland utan internet. Men skillnaden mellan att översätta ord och förstå en människa är fortfarande stor.
Vid hotellreceptionen, på tågresan eller runt middagsbordet kan AI-översättning göra verklig nytta. Vi går igenom hur tekniken fungerar, vad telefonen klarar på egen hand och varför varken tolkar eller språkkunskaper har spelat ut sin roll.
Av Bertil AhlinSkribent · AI i vardagenTänk dig att du står på ett apotek utomlands. Du behöver något mot hosta, men vill också berätta vilka läkemedel du redan tar. Du öppnar telefonens översättningsapp, väljer två språk och säger din fråga. Några ögonblick senare läser en syntetisk röst upp den för apotekaren.
Det är en tänkt vardagsscen, men tekniken finns redan. I Google Översätt och Apples Översätt finns samtalsfunktioner. Samsung erbjuder både ett tolkläge för möten ansikte mot ansikte och översättning av telefonsamtal på kompatibla Galaxy-enheter.
Det stora genombrottet är inte att varje översättning blivit perfekt. Det är att hjälpen finns i fickan och kan användas av människor som aldrig skulle boka en tolk för att fråga efter rätt buss.
Men just apoteket visar också problemet: ett borttappat ”inte”, ett felaktigt läkemedelsnamn eller en missförstådd dos kan förändra hela innebörden. Hur mycket kan vi egentligen lita på rösten från telefonen?
Vad mobilen faktiskt kan göra
Det finns flera olika funktioner som lätt klumpas ihop under uttrycket realtidsöversättning.
Samtal på plats: Två personer använder samma telefon, ofta med ett språk på vardera sidan av skärmen. Appen lyssnar, visar text och läser upp en översättning. Ni kan turas om att trycka på mikrofonen eller använda automatisk avkänning av tal.
Översatta telefonsamtal: Funktionen ligger i telefonens samtalssystem eller en kompatibel app. Den försöker översätta det parterna säger under samtalet. Samsungs Live Translate är ett exempel, lanserat med Galaxy S24-serien 2024. Stöd för modeller, appar och språk måste kontrolleras separat.
Textning och textöversättning: Telefonen visar tal som text, ibland översatt. Det kan vara ett bra stöd, men är inte samma sak som ett ömsesidigt samtal där båda hör den andres språk.
Ordet ”realtid” behöver också avdramatiseras. Ofta handlar det om korta turer: tala, vänta, lyssna, svara. Systemet måste få tillräckligt mycket av meningen för att kunna översätta den begripligt. En naturlig paus kan dessutom misstas för att du talat färdigt.
Det fungerar därför bäst om båda accepterar ett lite långsammare samtal. Vid en hotellreception är det ofta ett rimligt pris för att kunna förklara att bokningen gäller två nätter, inte tre.
Samtidigt är produktnamnen dåliga vägvisare. Att en telefon har ”AI” säger inget säkert om just talöversättning. Kontrollera språkparet, telefonmodellen, programversionen och om funktionen gäller samtal på plats eller i telefon. Svenska kan finnas i en del av tjänsten men saknas i en annan.
Så blir din röst ett annat språk
Den klassiska tekniska kedjan består av tre steg. Först omvandlar taligenkänning ljudet till text. Sedan översätter en språkmodell texten. Till sist gör talsyntes den översatta texten till en hörbar röst.
Alla tre använder maskininlärning, men de har olika uppgifter. Taligenkänningen måste avgöra vilka ord du sade. Översättningen måste hitta en rimlig motsvarighet på det andra språket. Talsyntesen måste uttala resultatet begripligt.
Varje steg kan tillföra fel. Om ”femton” först uppfattas som ”femtio” kan resten av kedjan fungera utmärkt och ändå leverera fel besked. En behaglig, säker röst ger ingen garanti för att informationen är riktig.
Nyare forskning försöker också översätta mer direkt mellan tal på olika språk, utan att bygga hela lösningen kring separata textsteg. Metas forskningsprojekt SeamlessM4T är ett exempel på en modell som samlar flera tal- och översättningsuppgifter. Det visar en utvecklingsriktning, inte att motsvarande förmåga finns i varje mobil.
Fördelen med mer sammanhållna system kan vara mindre fördröjning och bättre möjligheter att bevara sådant som betoning. Men grundproblemet försvinner inte: språk är beroende av sammanhang.
”Det var ju snyggt” kan vara beröm eller sarkasm. ”Vi får se” kan vara ett bokstavligt besked eller ett artigt nej. En app kan återge orden korrekt och ändå missa vad personen försöker säga.
Det krävs ingen superintelligens för att beställa kaffe på ett annat språk. Däremot krävs mer än en bra ordlista för att förstå en konflikt, ett skämt eller en försiktig invändning. Där ligger mycket av den återstående svårigheten.
Utan internet – men inte utan förberedelser
Att telefonen kan översätta utan uppkoppling beror på att den kan lagra och köra modeller lokalt. Moderna mobilchip har beräkningsdelar anpassade för maskininlärning. Modeller kan dessutom göras mindre, exempelvis genom att lagra sina beräkningsvärden med lägre precision.
I stället för att skicka ljud till en server gör telefonen då beräkningen själv. Det kan minska behovet av datatrafik, ge mer förutsägbar svarstid och begränsa vad som behöver lämna enheten.
Men här finns en viktig fallgrop: offlineöversättning av text betyder inte automatiskt offlineöversättning av tal. Hela kedjan måste fungera lokalt, från mikrofonens ljud till den upplästa översättningen.
Google erbjuder nedladdningsbara språk för översättning utan internet, men det är inte ett generellt löfte om att varje tal- och samtalsfunktion fungerar offline. Apple dokumenterar ett lokalt läge i Översätt med nedladdade språk och varnar samtidigt för att offlineöversättningar kan vara mindre korrekta än onlineöversättningar.
Samsung beskriver sina Interpreter- och Live Translate-funktioner som lokal bearbetning, med språkpaket som behöver finnas på enheten. Även där måste man kontrollera stödet för den aktuella modellen och programversionen.
Gör därför ett enkelt prov före resan: ladda ned båda språken, slå på flygplansläge och försök föra ett helt samtal. Kontrollera både mikrofonen och uppläsningen. Ett fungerande textfält räcker inte som test.
Prova också med en ny mening, inte bara en sparad fras. Låt gärna någon annan svara, så att du testar båda riktningarna. Första installationen eller nedladdningen kan kräva uppkoppling även när själva funktionen senare klarar sig utan den.
Lokal bearbetning är bra för integriteten, men inte en allmän sekretessgaranti. Historik, säkerhetskopiering och andra appfunktioner kan ha egna inställningar. På en arbetsplats behöver också organisationens regler följas, särskilt om samtalet innehåller kunduppgifter eller känslig information.
När fungerar det bra – och när bör du avstå?
För en kort fråga i ett tyst rum är förutsättningarna goda. Ni talar en i taget, använder vanliga ord och kan omedelbart se om svaret verkar rimligt. Ett missförstånd om vilken ingång ni ska använda går oftast att rätta med en pekning.
I en bullrig restaurang blir uppgiften svårare. Musik, porslin och röster konkurrerar med talet. Om två personer avbryter varandra måste systemet dessutom avgöra vem som säger vad och på vilket språk.
Dialekter, ovanliga namn, fackord och snabba språkbyten kan också ställa till det. Prestandan varierar mellan språk och situationer. Ett lyckat demonstrationssamtal på engelska säger därför ganska lite om just ditt samtal på svenska med en person som har en stark regional dialekt.
Det finns ingen meningsfull, gemensam procentsiffra för hur ”bra” mobilöversättning är. Resultat beror på vilken produkt som testas, språkparet, ljudmiljön och hur man räknar fel. Ett missat artighetsord och ett missat ”inte” kan väga lika i en enkel felräkning, men få helt olika konsekvenser.
Använd mobilen för att öppna samtalet – inte för att dölja att ni fortfarande kan missförstå varandra.
En bra vana är att säga en kort, fullständig tanke åt gången. Tala normalt och tydligt, snarare än överdrivet långsamt. Håll mikrofonen nära den som pratar och vänta tills översättningen är färdig.
Visa gärna skärmen. Namn, datum, adresser och belopp kan skrivas in eller pekas ut. Be den andra personen bekräfta den praktiska innebörden: ”Menar du att bussen går från den här hållplatsen klockan 14.30?” Det är bättre än att bara fråga om översättningen var bra.
Att översätta tillbaka kan ibland avslöja fel, men är inget kvalitetsbevis. System kan återskapa samma missförstånd åt båda hållen.
Vid vård, juridik, myndighetsbeslut och säkerhetskritiska instruktioner bör konsumentappen inte vara den enda länken. Den kan hjälpa er att etablera kontakt eller efterfråga en professionell tolk. Den bör inte ensam bära ansvaret för ett informerat samtycke eller en komplicerad behandlingsinstruktion.
Behövs tolkar och språkkunskaper fortfarande?
Ja, men olika arbetsuppgifter påverkas olika. En översättare arbetar normalt med skriven text; en tolk arbetar med talade eller tecknade språk. Mobilens samtalsfunktion ligger alltså närmast en del av tolkens uppgift, utan att ersätta hela yrkesrollen.
Den kan mycket väl minska behovet av mänsklig hjälp i vissa enkla situationer. Samtidigt skapar den mängder av samtal som tidigare aldrig skulle ha tolkats: mellan semestergrannar, vid en loppis eller när en besökare frågar efter ett cykelställ.
En professionell tolk kan uppmärksamma att ett uttryck är tvetydigt, be om förtydligande och hantera turtagning. Yrkesrollen innefattar också etiska skyldigheter och, beroende på sammanhang, särskilda krav på kompetens och sekretess. En app har inte motsvarande professionella ansvar.
För översättare kan AI fungera som ett första utkast eller ett hjälpmedel. Men faktagranskning, terminologi, tonalitet och kvalitetssäkring försvinner inte bara för att texten kommer snabbt. Hur arbetsmarknaden förändras beror också på vilka kvalitetskrav kunderna ställer och hur ansvar fördelas.
Språkutbildning blir heller inte meningslös. Den som kan språket kan upptäcka när appen missar något, följa sidospår och förstå sådant som aldrig uttalas rakt ut. Dessutom slipper man lägga en teknisk väntan mellan varje replik.
Det märks särskilt i relationer. Att kunna förstå ett skämt direkt, småprata med en kollega eller trösta ett barn är något annat än att få fram en korrekt översatt mening.
Däremot kan målet med lärandet förändras. För en kort resa kan ett begränsat ordförråd tillsammans med en app räcka långt. För den som ska arbeta, studera eller bygga ett liv på ett annat språk är egna kunskaper fortfarande en självständighetsteknik.
AI kan även hjälpa dig att öva före det riktiga samtalet: spela hotellreceptionist, föreslå enklare formuleringar och låta dig repetera. Be om förklaringar, men räkna inte med att varje grammatisk förklaring är korrekt.
Nästa steg är mindre väntan – inte magisk förståelse
Utvecklingen pekar mot system som börjar översätta medan personen fortfarande talar, bättre lokal körning och mer naturlig återgivning av röst och betoning. Metas Seamless-forskning undersöker bland annat strömmande översättning och bevarande av uttryck i tal.
Men snabbhet har ett pris. I vissa meningar kommer avgörande information sent. Ett system som börjar tala för tidigt måste gissa, rätta sig eller acceptera att översättningen blir mindre träffsäker. Ingen snabbare processor kan helt ta bort språkens olika ordföljd.
Hörlurar kan göra användningen smidigare, men löser inte automatiskt förståelsen. Mikrofonen måste fortfarande fånga rätt person, systemet måste stödja rätt språk och samtalspartnern behöver förstå vad tekniken gör.
Den viktigaste förbättringen vore därför inte bara en mer mänsklig röst. Det vore också tydligare signaler när systemet är osäkert, bättre sätt att rätta namn och siffror och enkla möjligheter att be om förtydliganden.
Tillbaka på apoteket är telefonens bästa roll ganska tydlig: hjälpa dig att börja prata, visa upp läkemedelslistan och förklara vad du behöver. När detaljerna blir avgörande behöver ni säkrare kontroll.
Mobilen kan göra språkgränsen lägre. Den gör inte människan på andra sidan mindre viktig.
Källor
- Google Translate Help, Translate a bilingual conversation (Löpande dokumentation)
- Google Translate Help, Download languages to use offline (Löpande dokumentation)
- Apple, iPhone User Guide, Translate text, voice, and conversations on iPhone (Löpande dokumentation)
- Samsung Newsroom, Enter the New Era of Mobile AI With Samsung Galaxy S24 Series (2024)
- Seamless Communication med flera, Meta AI, SeamlessM4T—Massively Multilingual & Multimodal Machine Translation (2023)
- Seamless Communication med flera, Meta AI, Seamless: Multilingual Expressive and Streaming Speech Translation (2023)
- Alec Radford med flera, Robust Speech Recognition via Large-Scale Weak Supervision (2022)
Ställ frågor om "Ett samtal, två språk – och mobilen som tolk". Svaren bygger på tidningens egna artiklar.
