Tolky: Browser-native Echtzeit-Sprachübersetzung für B2B
Tolky ist ein browserbasierter Echtzeit-Sprachübersetzer für Niederländisch, Französisch, Englisch, Türkisch, Deutsch und Spanisch. Link öffnen, sprechen, übersetzte Audio zurückbekommen – keine App-Installation. Hier ist, was wir ausgeliefert haben und was es freischaltet.
Tolky entstand aus einer einzigen Nutzerbeobachtung: ein Hausarzt in Antwerpen mit wenig Niederländisch, ein Patient, der nur Türkisch spricht, und zehn Minuten Sprechstundenzeit. In diesem Raum konnte keine App installiert, kein Konto erstellt und keine Gerätepaarung durchgeführt werden. Die Übersetzung musste in einem Browser-Tab leben.
Was das Produkt tut
Tolky nimmt Mikrofon-Audio im Browser auf, streamt es an ein Übersetzungsmodell, das latenzarme Speech-to-Speech unterstützt, und spielt übersetzte Audio über den Browser zurück. Heute sechs Sprachen: Niederländisch, Französisch, Englisch, Türkisch, Deutsch und Spanisch. Der Transport läuft über WebSockets, die Capture-Pipeline über die Web Audio API, und der gesamte Client ist eine Single-Page-Application ohne native Abhängigkeiten.
Die zwei harten Probleme
Latenz, die ein echtes Gespräch überlebt
Latenz ist keine Zahl auf einem Dashboard – sie ist der Unterschied zwischen einem Gespräch, das fließt, und einem, das stolpert. Wir haben die Audio-Frame-Größe auf einen Sweet Spot justiert, den das Web-Audio-Worklet ohne Pufferung ausliefern kann, und wir haben die WebSocket-Session einmal pro Anruf verhandelt und mitten in einer Äußerung nie neu handshaked. Re-Handshakes waren die mit Abstand größte Quelle wahrgenommener Latenzspitzen in frühen Builds.
Capture-/Wiedergabe-Isolation
Die übersetzte Audio darf nicht in die Capture-Schleife zurückfließen. Wir haben Eingangs- und Ausgangs-Pegelstufen explizit getrennt und die Aufnahme während der Wiedergabefenster gesperrt. Macht man das falsch, übersetzt das Modell fröhlich seinen eigenen Output in eine Feedback-Schleife, die nach drei Sekunden Unsinn produziert.
Wer es kauft und warum
Drei Kundensegmente haben die Early-Access-Absichtserklärungen unterzeichnet:
- Hausarztpraxen und Krankenhäuser. Patienten-Arzt-Übersetzung während der Konsultation. Die Produktbedingung ist, dass das Gerät das ist, was der Empfang dem Patienten reicht – ein Clinic-iPad, ein privates Telefon, ein alter Laptop. Browser-nativ deckt alle drei ab.
- Kommunen und OCMW/CPAS. Aufnahmegespräche, Sozialleistungs-Gespräche und Eltern-Lehrer-Sprechstunden an Schulen. Das Beschaffungskriterium ist GDPR-Kompliance plus ein unterschriebenes DPA.
- Zusammenarbeit am Arbeitsplatz. Teams mit gemischtsprachiger Mitgliedschaft, besonders in grenzüberschreitenden Bezirken (NL/BE/DE), wo spontane Übersetzung früher bedeutete, jemanden aus einem Meeting herauszuholen.
Die Compliance-Posture, die die Deals geschlossen hat
Zwei nicht-offensichtliche Anforderungen machten aus den frühen Piloten unterschriebene Verträge:
- EU-gehostetes Inference. Eine SaaS, die ihre App in Frankfurt betreibt, aber ein in den USA gehostetes Modell aufruft, ist in keiner für einen belgischen Datenschutzbeauftragten relevanten Weise „EU-gehostet“. Wir haben den Inference-Endpunkt von Tag eins in eine EU-Region gezwungen.
- Eine unterschriebene DPA-Vorlage, auf Anfrage bereit. Die Beschaffung fragte im ersten Call danach. Die Vorlage zu haben, von Legal unterschrieben und bereit zur Gegenzeichnung, war der Unterschied zwischen einem 6-Wochen- und einem 4-Monate-Vertriebszyklus.
Was als Nächstes kommt
Die nächste Welle ist Pro-Sitz-Abrechnung für die B2B-Stufe, eigene Glossare für sektorspezifisches Vokabular (Medizin, Recht, Bildung) und ein Usage-Reporting-Dashboard, damit eine OCMW-Beschaffung gegenüber ihrer Revision den Wert belegen kann. Der Browser bleibt die Plattform; der Workflow wird dichter.