LiveLingoTelefon Görüşmesi Çevirisi Ne Kadar Doğru? Test Edilen 4 Sistem (2026)
Yayınlandı 2026-08-18 · Ron Villomo, LiveLingo Kurucusu · LiveLingo ölçülen sistemlerden biridir; tam yöntem ve ham veri
Hızlı Cevap: Telefon görüşmesi çevirisi ne kadar doğru?
Ağustos 2026 testimizde, LiveLingo telefon hattı sesinde %96,9 ile en yüksek puanı aldı. İspanyolca, Japonca, Çince ve Almancaya çevrilen 120 İngilizce konuşma genelinde LiveLingo 5 üzerinden 4.85 (%96,9), Translate v3 ile Google Cloud Speech-to-Text v2 4.70 (%94,0), Azure Speech Translation 4.59 (%91,8) ve Whisper-large artı GPT-4o-mini taban çizgisi 4.44 (%88,9) puanına ulaştı. Daha zor dil çiftlerinde bu oranlar %87,0, %77,7, %70,0 ve %66,7'ye düşmektedir. Telefon hattının kendisi neredeyse hiçbir maliyeti yoktur: geniş bant mikrofon sesindeki aynı sistemler, telefon numaralarından 0.04 puan içinde puan aldı. Puanlama, aşağıdan indirilebilen bir G.711 telefon kanalı üzerinden taşınan sabit stüdyo kalitesinde bir korpus üzerinde üç bağımsız sınır LLM hakemi tarafından yapıldı.
1. Telefon görüşmesi çevirisi ne kadar doğru? Ölçülen cevap
Simüle edilmiş bir telefon hattından geçirilen aynı ses üzerinde dört sistemi puanladık. Her çeviri, üç bağımsız sınır LLM hakemi tarafından anlama doğruluğu için 0-5 arasında derecelendirildi ve aşağıdaki puan, üçünün ortalamasıdır ve maksimumun yüzdesi olarak da gösterilmiştir. Rubrik, yanlış kelime değiştirmeyi, düşürülen varlıkları veya sayıları ve dil-yazı karıştırmayı cezalandırır; stil veya geçerli eş anlamlıları cezalandırmaz.
| Sistem | Telefon hattı puanı | Doğruluk | Daha zor çiftler |
|---|---|---|---|
| LiveLingo | 4.85 / 5 | 96.9% | 87.0% |
| Google Cloud STT v2 + Translate v3 | 4.70 / 5 | 94.0% | 77.7% |
| Azure Speech Translation | 4.59 / 5 | 91.8% | 70.0% |
| Whisper-large + GPT-4o-mini | 4.44 / 5 | 88.9% | 66.7% |
n=120 konuşma, İngilizceden İspanyolca, Japonca, Çince ve Almancaya. “Daha zor çiftler”, Arapça, Türkçe, Vietnamca, Lehçe, Portekizce, Endonezyaca, Malayca ve Mandarin kaynaklarından Avrupa ve Asya hedeflerine yönelik ayrı bir 160 konuşmalık settir. Ağustos 2026'da, yukarıdan indirilebilen bir G.711 telefon kanalı üzerinden taşınan sabit stüdyo kalitesinde bir korpus üzerinde ölçülmüştür; bkz. tam yöntem ve ham veri.
Test sesini ve sonuçlarını indirin
30 konuşmalık İngilizce setinin her iki kolu ve makine tarafından okunabilir formdaki her puan. İki arşiv aynı konuşmaları içerir; tek fark telefon kanalıdır. CC BY 4.0 altında yayınlanmıştır, böylece herkes bu sistemleri yeniden çalıştırabilir ve sayıları kontrol edebilir.
audio-wideband.zip (3.1 MB, 16 kHz) · audio-phoneline.zip (2.6 MB, G.711) · results.json
Dil çiftleri arasındaki fark, en iyi sistemler arasındaki farktan daha önemlidir. En güçlü sistem bile Almancadan Japoncaya geçerken üç puan kaybeder ve her sistem, telefon hattına kaybettiğinden çok daha fazlasını daha zor koridor çiftlerinde kaybeder.
| Dil çifti (en iyi sistem, telefon hattı) | Puan | Doğruluk |
|---|---|---|
| English → German | 4.92 / 5 | 98.4% |
| English → Spanish | 4.86 / 5 | 97.1% |
| English → Chinese | 4.84 / 5 | 96.9% |
| English → Japanese | 4.77 / 5 | 95.3% |
Tap and speak in English
Tap to start
2. Apple Canlı Çeviri telefon görüşmelerinde çalışıyor mu?
Apple Canlı Çeviri, yeni iPhone'larda telefon görüşmelerini yönetir ve Samsung Galaxy AI, karşılaştırılabilir bir arama içi özellik sunar. Her ikisi de yaptıkları işte iyidir ve desteklenen bir dilde iPhone'dan iPhone'a yapılan bir arama için, kurulacak hiçbir şey olmadığı için mevcut en uygun seçenektirler.
Sınırları kaliteden ziyade kapsama alanıdır. Her ikisi de o belirli üreticiden yeni bir ahize gerektirir, her ikisi de o üreticilerin gönderdiği dil setleriyle sınırlıdır ve kritik olarak her ikisi de yeteneği hatta değil, cihazınıza yerleştirir. Bu, aynı telefona sahip bir arkadaşı aramak için iyidir. Bir klinik santraline, bir ev sahibine, bir otel masasına veya ofis telefonu on yıllık olan bir tedarikçiye ulaşmanız gerektiğinde yardımcı olmaz. Bu aramalar, çoğu insanın ilk etapta çevrilmiş arama ürünü aramalarının nedenidir.
3. Telefon görüşmesi ses kalitesi neden kötü ve doğruluğu azaltıyor mu?
Bir telefon görüşmesi, 8 kHz'de örneklenen ve yaklaşık 300 Hz ila 3400 Hz taşıyan ITU-T G.711 ile kodlanır. Atılan bant boş değildir. University of Oxford'un fonetik laboratuvarından akustik fonetik çalışmaları, /s/ sesinin enerji zirvelerini yaklaşık 4500 Hz ve 7500 Hz'de, tamamen telefon tavanının üzerinde olduğunu göstermektedir, bu da bant sınırlı /s/ sesinin sistematik olarak /ş/ olarak yanlış duyulmasının nedenidir. Fizik, telefon sesinin daha zor olması gerektiğini öngörür. ITU-T G.711 · University of Oxford Phonetics Laboratory
Bu tahminin çıktıya kadar devam edip etmediğini test etmek için her klibin iki versiyonunu ürettik. Biri orijinal 16 kHz kayıttır. Diğeri, aynı dosyanın anti-alias filtreleme ile 8 kHz'e yeniden örneklenmesi, G.711 mu-law ile nicelenmesi ve ardından orijinal 16 kHz konteynerine geri çözülmesiyle elde edilmiştir, böylece her iki dosya da format olarak aynıdır ve hiçbir sistem örnekleme hızına göre dallanamaz. 3.4 kHz üzerindeki enerji, sinyalin %14-22'sinden yaklaşık %3'e düşerken, RMS ses yüksekliği değişmez, bu nedenle karşılaştırma bant genişliğini ölçer, ses seviyesini değil.
Her sistem kendisinden 0.04 puan içinde kaldı. LiveLingo mikrofon sesinde %97,2 ve telefon hattı üzerinden %96,9 puan aldı; Google %93,4 ve %94,0; Azure %91,7 ve %91,8; Whisper taban çizgisi %88,1 ve %88,9. Bireysel hücrelerin %88'i her iki kolda da aynı puanı aldı. Telefon bant genişliği gerçek bilgiyi yok eder ve modern çeviri bunun neredeyse tamamını emer.
4. Tanıma yaklaşık %2 kayar ve sağlamlık sistemler arasında 5 kat değişir
Kalitenin sabit kalması, altta hiçbir şey olmadığı anlamına gelmez. Her sistemin geniş bant dosyasından ürettiği kaynak transkripti, telefon hattı dosyasından ürettiğiyle karşılaştırıldığında, Google Cloud Speech-to-Text v2 tanınan kelimelerin %0,4'ünü değiştirdi ve Whisper-large taban çizgisi %2,0'ını değiştirdi, sırasıyla transkriptlerin %96'sı ve %81'i tamamen değişmeden geri döndü.
Ham karşılaştırma bunu kötü bir şekilde abartır ve bunun nedeni, bu tür bir sayının nasıl yanlış gittiğini belirtmeye değerdir. Whisper, sondaki sessizliğe stok ifadeler halüsinasyonları yapar, her iki kolda da öngörülemeyen sabit altyazı tarzı kalıplar yayar. Çince çıktı, Basitleştirilmiş ve Geleneksel yazı arasında rastgele geçiş yapar. Arapça çoğunlukla hemze yazımıyla farklılık gösterir. Bunlar kaldırılmadan önce, Whisper'ın görünen kayması %5,7 olarak ölçüldü; sonra ise %2,0'dır.
Faydalı bulgu, dar bant sağlamlığının tanıyıcılar arasında yaklaşık 5 kat farklılık göstermesidir, bu da telefon hattının kendisinden çok daha büyük bir etkidir. Arapça ve Endonezyaca, sürtünmeli ses tahminine uygun olarak yaklaşık %5 ile en çok kaydı ve orada bile doğruluk puanı değişmedi.
5. Yapay zeka çevirisi telefon görüşmelerinde yüz yüze görüşmelerden daha mı kötüleşiyor?
Çünkü genellikle bunun için gösterilen kanıt başka bir şeyi ölçer. Whisper makalesinde (Radford et al., 2022), wav2vec 2.0 Large ve Whisper Large V2, LibriSpeech temiz okuma konuşmasında aynı %2,7 kelime hata oranını puanlar. CallHome telefon korpusunda ise %34,8 ve %17,6'ya ayrılırlar. Bu fark gerçek, büyük ve telefon sesinin sorun olduğuna dair rutin olarak kanıt olarak sunulur. Radford et al., 2022 · LDC CallHome
Ancak CallHome sadece dar bant değildir. İyi tanıyan insanlar arasında kendiliğinden, üst üste binen, senaryosuz bir konuşmadır, kısaltmalar, yanlış başlangıçlar ve çapraz konuşmalarla doludur. LibriSpeech ise bir kişinin yüksek sesle kitap okumasıdır. İki değişkeni aynı anda değiştirmek, hangisinin önemli olduğunu söyleyemez. Bant genişliğini izole etmek neredeyse hiçbir şey bulmaz, bu da CallHome cezasının çoğunlukla diğer değişken olduğu anlamına gelir.
Bu daha faydalı bir sonuçtur, çünkü bunlar aslında kontrol edebileceğiniz faktörlerdir. Sırayla temiz konuşmak, daha sessiz bir yere geçmek ve her konuşmacının bitirmesine izin vermek, çevrilmiş bir arama için hat kalitesiyle ilgili herhangi bir endişeden daha fazlasını yapacaktır.
6. Telefon görüşmesi çeviri uygulamalarını gerçekten ayıran nedir
Bant genişliği ölçülebilir hiçbir maliyeti olmadığı ve en iyi sistemler kolay çiftlerde birbirlerinden üç puan içinde olduğu için, önemli farklılıklar başka yerdedir: belirli dil çiftinizde kalitenin ne kadar düştüğü, ürünün aramanız gereken numaraya ulaşıp ulaşamadığı ve aramanın sıra almayı nasıl yönettiği.
Dil çifti, açık ara en büyük kalite kaldıraçtır, bu nedenle manşet ortalaması yerine kendi koridorunuzu kontrol edin. Erişim konusunda, LiveLingo çevrilmiş aramayı uygulamadan herhangi bir mobil veya sabit hat numarasına yapar, böylece alıcı sıradan bir telefon görüşmesini yanıtlar ve hiçbir şey yüklemez. Ve davranış konusunda, bir ürünün kendini dürüstçe tanıtıp tanıtmadığını veya bir çevirmenin dahil olduğunu gizlemek için sesinizi klonlayıp klonlamadığını bilmeye değerdir. livelingo.io/phone-call-translation
7. Bu testin kapsadığı ve kapsamadığı şeyler
Yukarıdaki sayılar dört özel tasarım seçimiyle sınırlıdır. Bunları belirtmek, sonuçlar üzerinde bir kısıtlama değildir; sonuçların geçerli olduğu kapsamdır.
| Boyut | Test edilen |
|---|---|
| Kaynak konuşma | Sabit stüdyo kalitesinde bir korpus, her iki kolun da sıfır konuşmacı varyasyonu ile akustik olarak aynı girdiyi alması için seçilmiştir. Her iki kol da yukarıda yayınlanmıştır, bu nedenle buradaki her sayı kullandığımız aynı sesten yeniden türetilebilir. Klipler, kendiliğinden konuşmadan daha net ifade edilmiştir, bu da onları bölüm 3'teki bant genişliği sonucu için en uygun durum yapar; korpus yapımı yöntem sayfasında tam olarak belgelenmiştir. |
| Değerlendirme | İnsan derecelendiriciler değil, üç sınır LLM hakemi. Geniş bant hücrelerinin %66'sı mükemmel 5.0 puan aldı, bu nedenle rubrik, ince taneli kaliteden ziyade anlamın hayatta kalıp kalmadığını ölçer. |
| Kanal | Yalnızca G.711 bant sınırlaması ve mu-law nicemlemesi. Paket kaybı, titreşim, otomatik kazanç kontrolü ve gürültü bastırma modellenmemiştir ve hepsi gerçek aramalarda meydana gelir. |
| Bağımsızlık | LiveLingo ürünümüzdür ve her iki korpus üzerinde de birinci olmuştur. Her kol için bir ölçüm, bu nedenle çalıştırmadan çalıştırmaya hakem varyansı ortalaması alınmamıştır. |
Pratik okuma: bölüm 1'deki sıralama, her sistemin aynı sesi ve aynı değerlendirmeyi alması nedeniyle temiz bir birebir karşılaştırmadır. Bölüm 3'teki bant genişliği sonucu, korpus seçimine en duyarlı iddiadır ve kendiliğinden konuşma üzerinde çoğaltma bir sonraki adımdır. Tam türetmeler, istatistiksel güç ve kaldırdığımız ölçüm artefaktları şurada belgelenmiştir: tam yöntem ve ham veri.
Sıkça sorulan sorular
Telefon görüşmesi çevirisi ne kadar doğru?
Ağustos 2026 testimizde, en iyi sistem, İspanyolca, Japonca, Çince ve Almancaya çevrilen 120 İngilizce konuşma üzerinden telefon hattı sesinde 5 üzerinden 4.85 (%96,9) puan aldı, bu puanlama üç bağımsız sınır LLM hakemi tarafından anlama-doğruluk rubriği kullanılarak yapıldı. Translate v3 ile Google Cloud Speech-to-Text v2 4.70 (%94,0), Azure Speech Translation 4.59 (%91,8) ve Whisper-large artı GPT-4o-mini taban çizgisi 4.44 (%88,9) puan aldı. Arapça, Türkçe ve Vietnamca gibi Avrupa ve Asya hedeflerine yönelik daha zor dil çiftlerinde, aynı sistemler sırasıyla %87,0, %77,7, %70,0 ve %66,7'ye düştü.
Telefon hattı çeviriyi yüz yüze görüşmeden daha mı az doğru yapar?
Neredeyse hiç yapmaz. Aynı konuşmaları iki kez puanladık, bir kez geniş bant mikrofon sesi olarak ve bir kez de aynı kaydı simüle edilmiş bir G.711 telefon hattından geçirdikten sonra, ve anlama doğruluğu test edilen her sistem için 0-5 ölçeğinde 0.04 puandan daha az değişti. LiveLingo mikrofon sesinde %97,2 ve telefon hattı üzerinden %96,9 puan aldı. Telefon bant genişliği gerçek bir bilgi kaybıdır, ancak modern çeviri bunun neredeyse tamamını emer.
Telefon görüşmesi ses kalitesi neden kötü?
Standart bir telefon görüşmesi, yalnızca 300 Hz ila 3400 Hz taşıyan ve 8 kHz'de örneklenen ITU-T G.711 kodeğini kullanır. İnsan konuşması bunun çok üzerinde faydalı bilgi taşır: /s/ sesi, yaklaşık 4500 Hz ve 7500 Hz civarında enerji zirvelerine sahiptir, tamamen telefon tavanının üzerindedir. Bu yüzden telefon sesi boğuk gelir ve bant sınırlı /s/ sesi genellikle /ş/ olarak yanlış duyulur. Bu gerçek bir kayıptır, sadece modern konuşma sistemleri için eskiden olduğundan çok daha küçük bir sorundur.
Apple Canlı Çeviri telefon görüşmelerinde çalışıyor mu?
Evet, yeni iPhone'larda ve Samsung Galaxy AI karşılaştırılabilir bir arama içi özellik sunar. Her ikisi de o üreticiden yeni ahizelerle ve o üreticilerin desteklediği dillerle sınırlıdır ve her ikisi de özelliği hatta değil, kendi cihazınızda gerektirir, bu nedenle bir ofis santralini, bir sabit hattı veya eski bir telefondaki birini aramanız gerektiğinde hiçbiri yardımcı olmaz. LiveLingo çevrilmiş aramayı uygulamadan herhangi bir mobil veya sabit hat numarasına yapar ve alıcı hiçbir şey yüklemez.
Hangi çeviri sistemi telefon sesini en iyi şekilde işler?
İki şey onları ayırır. Telefon hattı üzerinden çeviri kalitesinde, LiveLingo %96,9, Google %94,0, Azure %91,8 ve Whisper-large taban çizgisi 120 konuşma genelinde %88,9 puan aldı. Ham tanıma sağlamlığında fark daha geniştir: aynı klip bir telefon hattından geçtiğinde, Google Cloud Speech-to-Text v2 tanınan kelimelerin yalnızca %0,4'ünü değiştirirken Whisper taban çizgisi %2,0'ını değiştirdi, bu 5 katlık bir farktır. Yayınlanmış araştırmalar aynı deseni büyük ölçekte göstermektedir: CallHome telefon korpusunda, wav2vec 2.0 Large %34,8 kelime hata oranı puanlarken Whisper Large V2 %17,6 puanlar, her ikisi de temiz okuma konuşmasında aynı %2,7 puanı almasına rağmen.
Kötü bir telefon bağlantısı çeviriyi kötüleştirir mi?
Bant genişliği tek başına kötüleştirmez, ancak paket kaybı, titreşim ve arka plan gürültüsü ayrı sorunlardır ve bunlar kötüleştirir. Testimiz frekans aralığını izole etti, ses yüksekliğini sabit tuttu, bu nedenle telefon bandını ve başka hiçbir şeyi ölçer. Kesintili veya yoğun sokak gürültülü bir arama, insan bir dinleyiciyi kötüleştirdiği aynı nedenlerle çeviriyi de kötüleştirir ve hiçbir kodek kalitesi mikrofonun temiz yakalayamadığı konuşmayı telafi etmez.
Tam yöntem, dile göre sonuçlar, istatistiksel güç, sınırlamalar ve kaldırdığımız ölçüm artefaktları şurada belgelenmiştir: livelingo.io/research/phone-line-bandwidth-method.