OneMeta AIがVerbumを発表：最大50人が母国語で同時通話できるリアルタイム音声翻訳

メタバースや仮想空間が描く未来では、地球上の誰もが同じ場所に集まり、物理的な距離を感じずに交流できるとされています。しかし、実際に人が集まって会話を始めると、すぐに言葉の壁にぶつかります。

Google翻訳やSkype Translatorのようなツールは、1対1の会話であれば十分に機能します。しかし、数十人規模が同時に集まる空間で、全員が異なる言語を話している場合、従来の仕組みでは対応しきれません。

CESの会場で、OneMeta AIはこの課題を解決するための新サービス「Verbum」を披露しました。

50人が同時に母国語で話せる仕組み

Verbumの最大の特徴は、1つの通話内で最大50人が同時に母国語で会話し、それぞれリアルタイムに翻訳を受け取れる点です。対応言語は82種類、方言は40種類にのぼります。

画面上にテキスト字幕を表示するだけでなく、AIが翻訳音声をその場で生成して届ける点も大きな特徴です。

OneMetaの広報担当であるDavid Politis氏によると、たとえば50人が参加するZoom会議で全員が自分の母国語を話しても問題ありません。誰かが日本語で発言すると、他の参加者はそれを英語やイタリア語、ロシア語の音声で聞き、同時に画面上でも自分の言語の文字起こしを確認できます。

Politis氏は、国際的な場では英語が共通言語になりがちですが、ポルトガル語やロシア語などを母国語とする人にとって英語でのニュアンス伝達には限界があり、誤解が生じやすいと指摘します。Verbumはそのギャップを埋めることを狙っています。

実機デモで見えた自然な会話テンポ

CESの現場で行われたデモでは、その実用性の高さが確認できました。

ヘッドセットを通じて中米にいる女性と通話を行い、こちらが話す英語はスペイン語に、相手のスペイン語は英語へと相互に変換されました。わずかな遅延はあるものの、会話のテンポは保たれており、自然にやりとりが成立しました。

発言が終わってから1秒足らずでテキストが画面に文字起こしされ、その約1秒後にAIによる翻訳音声が流れます。その音声クオリティは極めて自然で、TikTokなどの人気ナレーション音声と同等以上の仕上がりでした。

OneMetaはまず国際チームの遠隔会議向けに提供を始める計画ですが、この技術はオンラインマルチプレイゲームやメタバースでの交流、さらには世界規模のeスポーツ配信など、多人数が瞬時に意思疎通を図る場面にもそのまま応用できます。

なぜ重要か

これまでの翻訳ツールが1対1の線でつなぐコミュニケーションだったのに対し、Verbumは最大50人という網の目のような多人数同時通訳に踏み込みました。テキスト化から音声再生までを約2秒に収めている点は、実用面でも評価できます。

多国籍チームのミーティングや海外サーバーで遊ぶゲーマーにとって、母国語のままでグループ会話ができるメリットは非常に大きく、外国語を話す精神的負担や誤解を減らす助けになります。

ただし、OneMetaの前に立ちはだかる壁は決して低くありません。MicrosoftやGoogleといった巨大テック企業は、TeamsやGoogle Meetといった圧倒的なシェアを持つプラットフォームと強力な計算基盤をすでに握っています。

大手プラットフォームが同様の多人数音声翻訳機能を標準搭載してきた場合、スタートアップであるOneMetaが独自の優位性を維持できるかは、遅延の少なさや外部ツールとの柔軟な連携力にかかっています。