Simultanübersetzung galt lange als Domäne teurer Cloud-Dienste wie DeepL oder Google. Chinas Internetkonzern NetEase hat über seine Tochter Youdao nun zwei quelloffene Modelle vorgestellt, die gesprochene Sprache in Echtzeit übersetzen.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Der Bruch liegt weniger in der Technik als in der Lizenz. Marktführer ByteDance hält sein Simultanmodell Seed LiveInterpret geschlossen, Youdao dagegen legt Gewichte und Code offen, mit einer gemessenen Verzögerung von 200 bis 600 Millisekunden.[1]
Das Wichtigste in Kürze
- Youdao veröffentlicht zwei Modelle: die Streaming-Spracherkennung Confucius4-R2T2 und das 14 Milliarden Parameter große Übersetzungsmodell Confucius4-T3PO.
- Die Erkennung reagiert mit 200 bis 600 Millisekunden Verzögerung, die Übersetzung lässt sich zwischen niedriger Latenz und höherer Genauigkeit umschalten.
- Beide Modelle liegen quelloffen auf GitHub, anders als das geschlossene Konkurrenzmodell Seed LiveInterpret von ByteDance.
- Für Firmen im DACH-Raum zählt vor allem der Datenschutz: ein selbst gehostetes Modell hält vertrauliche Gespräche im eigenen Netz.
Wie dolmetscht eine KI, während noch gesprochen wird?
Simultanübersetzung muss anfangen, bevor der Satz zu Ende ist, und genau darin steckt die Schwierigkeit. Setzt das Modell zu früh an, rät die Übersetzung bei anderer Wortstellung falsch, wartet das System zu lange, hinkt der Ton dem Redner hinterher. Youdaos Spracherkennung Confucius4-R2T2 nutzt dafür ein Verfahren namens Longest Stable Prefix und gibt nur den Teil der Erkennung aus, der sich durch weitere Wortfetzen nicht mehr ändert, was das ständige Nachkorrigieren spart.[1]
Das eigentliche Übersetzen übernimmt Confucius4-T3PO, ein Modell mit 14 Milliarden Parametern, das vollständig im Datenstrom arbeitet. Über einen Latenzregler verschiebt sich die Abwägung zwischen Tempo und Genauigkeit je nach Anlass, von der schnellen Konferenzverdolmetschung bis zur sorgfältigen Fassung für heikle Passagen.[2]
Warum öffnet ein Konzern eine bezahlte Dienstleistung?
Der Schritt folgt einem Muster, das Chinas KI-Branche seit einem Jahr prägt. DeepSeek, Alibabas Qwen und Zhipus GLM drängen mit offenen Gewichten in Felder, die westliche Anbieter hinter kostenpflichtigen Schnittstellen halten, vom Modell auf der Heim-Grafikkarte bis zum multimodalen Gratis-Release. Während Meta zuletzt mit einem kostenpflichtigen Modell den Open-Source-Pfad verließ, überträgt Youdao die offene Logik auf das Simultandolmetschen, einen Markt, den bisher geschlossene Dienste wie DeepL, Google und ByteDance beherrschen.
Die offenen Bausteine greifen dabei eng ineinander: Youdaos Erkennung baut auf Alibabas quelloffenem Qwen3-ASR auf.[1] Der Gegenwert ist Verbreitung statt Lizenzgebühr, denn ein offenes Modell landet in fremden Produkten und setzt einen De-facto-Standard, ähnlich wie DeepSeeks Start auf heimischen Chips den chinesischen Rechenstapel absichert. Youdao beziffert die Sprachabdeckung seines eigenen Dienstes Baguoshuo auf über 100 Sprachen.
Simultandolmetschen war bislang eine Cloud-Dienstleistung, für die Unternehmen jedes Wort ihrer Meetings an einen fremden Server schicken mussten. Ein offenes Modell mit 200 Millisekunden Reaktionszeit beendet genau diese Abhängigkeit, weil die Audiodaten das eigene Netz nicht mehr verlassen müssen.
— Michael Dobler, Herausgeber Dr. Web
Was die Modelle können
- Die Erkennung gibt stabile Wortteile sofort aus und korrigiert sie nicht mehr nach (Longest Stable Prefix)
- Ein Latenzregler wählt zwischen schnellem Tempo und höherer Genauigkeit
- Youdaos Erkennung baut auf Alibabas quelloffenem Qwen3-ASR auf
Was heißt das für Unternehmen im DACH-Raum?
Für europäische Firmen zählt weniger der Preis als die Kontrolle über die Daten. Bei einem live übersetzten Meeting geht der Ton heute an DeepL, Google oder Microsoft. Ein quelloffenes Modell läuft dagegen im eigenen Rechenzentrum, was vertrauliche Verhandlungen und Personalgespräche unter der DSGVO deutlich vereinfacht.
Zwei Haken bleiben. Quelloffen heißt nicht bedingungslos, denn die Lizenz entscheidet über den kommerziellen Einsatz, und chinesische Trainingsdaten decken europäische Sprachen und Fachjargon unterschiedlich gut ab. Für den produktiven Einsatz gilt deshalb: erst die Lizenzbedingungen prüfen, dann die Sprachpaare am eigenen Material testen und bei rechtlich heiklen Terminen weiterhin einen menschlichen Dolmetscher bereithalten. Unter dem EU AI Act zählt maschinelle Übersetzung als Anwendung mit begrenztem Risiko, die vor allem transparent gemacht werden muss.
Was ist KI-Simultanübersetzung?
KI-Simultanübersetzung überträgt gesprochene Sprache in Echtzeit in eine andere Sprache, schon während der Redner spricht. Anders als bei nachträglicher Übersetzung liegt die Verzögerung nur bei Sekundenbruchteilen, bei NetEases Modell Confucius4-R2T2 etwa bei 200 bis 600 Millisekunden.
Sind NetEases Übersetzungsmodelle wirklich quelloffen?
Ja. NetEase Youdao stellt beide Modelle, Confucius4-R2T2 und Confucius4-T3PO, mit Gewichten und Code offen auf GitHub bereit. Ob Unternehmen sie kommerziell einsetzen dürfen, hängt allerdings von den konkreten Lizenzbedingungen des jeweiligen Repositorys ab.
Quellen
[1] NetEase Youdao: Confucius4-R2T2, Streaming-Spracherkennungsmodell auf GitHub.
[2] NetEase Youdao: Confucius4-T3PO, simultanes Übersetzungsmodell auf GitHub.
Mehr Newshunger?
- Qwen3.8-27B: Alibabas Spitzenmodell läuft gratis auf der Heim-Grafikkarte
- GLM-5.3-Flash: Zhipu veröffentlicht ein multimodales KI-Modell zum Zehntel des Preises
- Open-Source-Modell GLM 5.2 schlägt Claude im Cyber-Benchmark
- DeepSeek V4.1 Flash läuft ab Tag eins auf Chinas eigenen KI-Chips
- Moonshot teilt die Token: Chinas Kimi drängt ins Firmengeschäft
