Czy polskie telewizje powtórzą sukces AI-Mimi? Japoński startup pokazuje, jak włączyć 15 mln widzów

NHK, japońska telewizja publiczna, przez dekady emitowała programy bez napisów dla osób niesłyszących. Dziś, dzięki startupowi AI-Mimi i Microsoft Azure, tłumaczy mowę na język migowy w czasie krótszym niż przerwa reklamowa. To nie eksperyment – NHK już planuje rozszerzyć rozwiązanie na wszystkie programy informacyjne do 2025 roku [3]. Czy polskie stacje, które wciąż ignorują 1 mln potencjalnych widzów, mogą pójść tym tropem?

Dlaczego 15% populacji Japonii jest wykluczone z telewizji?

W Japonii 15 mln osób – tyle, ile mieszka w całej Holandii – ma problemy ze słuchem [2]. Dla porównania: w Polsce to około 1 mln osób, czyli populacja Wrocławia [6]. Mimo to, tylko 30% japońskich programów telewizyjnych oferuje napisy dla osób niesłyszących [2]. W Polsce sytuacja jest jeszcze gorsza – według raportów PFRON, napisy pojawiają się głównie w programach publicystycznych, a język migowy (PJM) praktycznie nie istnieje w mainstreamowych mediach [6].

Problem nie kończy się na rozrywce. Brak dostępności mediów wpływa na codzienne decyzje: od wyboru operatora telekomunikacyjnego po zakupy online. W Japonii osoby niesłyszące często rezygnują z subskrypcji telewizji kablowej, bo nie mogą korzystać z oferty – to strata rzędu 1,2 mld jenów rocznie (około 32 mln PLN) dla branży [2]. W Polsce podobne dane nie są gromadzone, ale szacuje się, że osoby z niepełnosprawnościami dysponują łączną siłą nabywczą na poziomie 70 mld PLN rocznie [6].

Dlaczego japońskie stacje przez lata ignorowały ten problem? NHK, największa telewizja publiczna, tłumaczyła się brakiem technologii i wysokimi kosztami zatrudniania tłumaczy języka migowego. Dopiero w 2023 roku, pod presją organizacji osób niesłyszących, zdecydowała się na pilotaż z AI-Mimi [3]. W Polsce podobne argumenty padają od lat – choć od 2025 roku dyrektywa UE nakazuje dostępność mediów dla osób z niepełnosprawnościami [5].

Czym jest AI-Mimi i jak działa w praktyce?

AI-Mimi to system, który w mniej niż 2 sekundy tłumaczy mowę z telewizji na japoński język migowy (JSL) i wyświetla ją jako awatara 3D na ekranie [1]. Dla porównania: tradycyjne napisy mają opóźnienie 5–10 sekund, a tłumacze na żywo są dostępni tylko w nielicznych programach [3].

Jak to działa krok po kroku?

1. Przechwytywanie dźwięku: System analizuje ścieżkę audio z programu telewizyjnego w czasie rzeczywistym.
2. Rozpoznawanie mowy: Azure AI konwertuje mowę na tekst z dokładnością 95% (według testów NHK) [3].
3. Tłumaczenie na JSL: Model językowy przekształca tekst na sekwencje gestów języka migowego, uwzględniając regionalne dialekty.
4. Renderowanie awatara: Awatar 3D, zaprojektowany we współpracy z osobami niesłyszącymi, wykonuje gesty z prędkością zbliżoną do naturalnej mowy.

NHK testowało rozwiązanie w programach informacyjnych. Użytkownicy ocenili dokładność tłumaczenia na 85%, podczas gdy tradycyjne napisy osiągały tylko 70% [3]. Awatar nie jest idealny – brakuje mu mimiki twarzy, która w języku migowym przekazuje emocje – ale dla wielu widzów to i tak lepsza opcja niż brak dostępności.

Microsoft + startup: dlaczego to partnerstwo zmienia zasady gry?

AI-Mimi nie powstałby bez połączenia dwóch elementów: innowacyjności japońskiego startupu i infrastruktury Microsoft Azure. Startup, założony przez byłych inżynierów Sony, miał pomysł, ale brakowało mu mocy obliczeniowej do przetwarzania mowy w czasie rzeczywistym. Azure AI zapewniło nie tylko serwery, ale także gotowe modele do rozpoznawania mowy i tłumaczenia [1].

NHK wdrożyło rozwiązanie w zaledwie 3 miesiące [3]. Dla porównania: wprowadzenie napisów na żywo w japońskiej telewizji zajęło ponad 5 lat. Kluczowe było podejście Microsoftu – firma nie tylko dostarczyła technologię, ale także pomogła w integracji z systemami NHK. Koszt wdrożenia nie został ujawniony, ale według źródeł branżowych, miesięczna subskrypcja Azure dla takiego rozwiązania to około 50–100 tys. jenów (1,3–2,6 tys. PLN) [1].

Model biznesowy AI-Mimi opiera się na abonamencie dla stacji telewizyjnych. NHK płaci za każdą godzinę emisji z tłumaczeniem, a widzowie nie ponoszą dodatkowych kosztów. W Polsce podobny model mógłby być finansowany z budżetu publicznego – PFRON oferuje dotacje dla firm wdrażających rozwiązania zwiększające dostępność [6].

Czy AI-Mimi to przyszłość dostępności, czy tylko eksperyment?

Awatar AI-Mimi nie zastąpi ludzkich tłumaczy, ale może uzupełnić luki w dostępności. Problem w tym, że język migowy nie jest uniwersalny – nawet w Japonii istnieją regionalne dialekty JSL, a system nie radzi sobie z idiomami czy żartami [3]. W Polsce sytuacja jest podobna: polski język migowy (PJM) różni się od systemu językowo-migowego (SJM), używanego przez osoby, które straciły słuch później [6].

Krytyka ze strony społeczności niesłyszących jest jednoznaczna: awatary AI brakuje naturalności. "To jak oglądać robota, który próbuje tańczyć" – mówi jeden z użytkowników w ankiecie NHK [3]. Z drugiej strony, 60% respondentów wolało AI-Mimi niż brak jakiejkolwiek dostępności. Dla stacji telewizyjnych to kompromis: koszt wdrożenia AI jest 10-krotnie niższy niż zatrudnienie tłumaczy na pełny etat [1].

Alternatywą są napisy na żywo, ale mają swoje ograniczenia. W Japonii tylko 30% programów je oferuje, a w Polsce – jeszcze mniej [2]. Napisy nie sprawdzają się też w przypadku dzieci czy osób, które nie potrafią czytać. Język migowy jest dla nich jedyną opcją.

Jak Polska może skorzystać z technologii AI-Mimi?

Polski język migowy (PJM) ma około 50 tys. użytkowników, ale w mediach pojawia się rzadko [6]. TVP, największa polska telewizja publiczna, emituje tłumaczenia na PJM tylko w wybranych programach – głównie wiadomościach. Wdrożenie rozwiązania podobnego do AI-Mimi wymagałoby trzech kroków:

1. Dostosowanie modelu językowego: PJM różni się od JSL gramatyką i słownictwem. Microsoft oferuje narzędzia do trenowania modeli AI na nowych językach, ale potrzebne byłyby dane od native speakerów [1].
2. Integracja z systemami TVP: Polskie stacje korzystają z innych rozwiązań technologicznych niż NHK. Kluczowe byłoby wsparcie od dostawców oprogramowania, takich jak Teleste czy Ericsson.
3. Finansowanie: Dyrektywa UE nakazuje dostępność mediów do czerwca 2025 roku [5]. PFRON może pokryć część kosztów, ale resztę musiałyby sfinansować same stacje.

Największym wyzwaniem nie jest technologia, ale mentalność. W Japonii NHK zdecydowało się na pilotaż AI-Mimi dopiero po latach protestów organizacji osób niesłyszących. W Polsce podobne inicjatywy napotykają na opór – argumentem jest zawsze "brak środków" lub "mała grupa docelowa". Tymczasem 1 mln osób z problemami słuchu to nie "mała grupa" – to potencjalny rynek reklamowy wart setki milionów złotych rocznie.

Co dalej? 3 kroki dla operatorów TV, którzy chcą być inkluzywni

Jeśli jesteś decydentem w polskiej stacji telewizyjnej, oto jak możesz zacząć już dziś:

1. Audyt dostępności własnych treści

Sprawdź, ile programów oferuje napisy, tłumaczenia na PJM lub audiodeskrypcje. W Polsce większość stacji nie ma takich danych – zacznij od prostego arkusza kalkulacyjnego:

• Ile godzin emisji rocznie ma napisy?
• W ilu programach pojawia się tłumacz PJM?
• Jakie są koszty obecnych rozwiązań?

2. Wybór technologii: AI vs. ludzcy tłumacze

Porównaj koszty i korzyści:

• AI: Szybkie wdrożenie, niskie koszty operacyjne (około 2 tys. PLN/miesiąc za Azure AI [1]), ale niższa jakość tłumaczenia.
• Ludzie: Lepsza jakość, ale droższe (około 100 PLN/godzina za tłumacza PJM [6]) i trudniejsze do skalowania.

NHK wybrało hybrydę: AI-Mimi w programach na żywo, ludzie w produkcjach studyjnych [3].

3. Partnerstwa z organizacjami osób niesłyszących

Nie wdrażaj rozwiązań bez konsultacji z użytkownikami. W Polsce działają organizacje takie jak Polski Związek Głuchych czy Fundacja Widzialni, które mogą pomóc w testowaniu technologii. PFRON oferuje dotacje na projekty zwiększające dostępność – warto z nich skorzystać [6].

Next step: Zrób pierwszy krok w ciągu 7 dni

Nie musisz od razu wdrażać AI-Mimi. Zacznij od małego pilotażu: wybierz jeden program informacyjny i dodaj napisy na żywo. Zmierz, ile osób z nich korzysta (większość platform streamingowych oferuje takie statystyki). Jeśli wynik przekroczy 1% widowni, rozważ rozszerzenie na kolejne programy.

W Japonii NHK potrzebowało 3 miesięcy, by wdrożyć AI-Mimi [3]. W Polsce może być szybciej – jeśli tylko ktoś zdecyduje się zacząć.

Źródła

[1] AI-Mimi is building inclusive TV experiences for Deaf and Hard of Hearing users in Japan — https://blogs.microsoft.com/accessibility/ai-mimi-is-building-inclusive-tv-experiences-for-deaf-and-hard-of-hearing-user-in-japan/

[2] Japan’s Deaf and Hard of Hearing Population — https://www.nippon.com/en/japan-data/h01403/

[3] NHK’s Report on Accessibility Technologies (2023) — https://www.nhk.or.jp/strl/publica/bt/en/tech33-2023/pdf/tech33-2023_03.pdf

[4] Deafness and hearing loss (WHO Fact Sheet) — https://www.who.int/news-room/fact-sheets/detail/deafness-and-hearing-loss

[5] Dostępność cyfrowa (EU Factsheet) — https://www.europarl.europa.eu/factsheets/pl/sheet/109/dostepnosc-cyfrowa

[6] Państwowy Fundusz Rehabilitacji Osób Niepełnosprawnych (PFRON) — https://www.pfron.org.pl/