視頻翻譯又稱多媒體翻譯，是文化交流中的一大需求，包括中短影視作品以及大量國外公開等多媒體素材的漢化翻譯。在多媒體和影音文檔的翻譯過程中，將聲音轉(zhuǎn)譯成目標(biāo)語言并配上字幕。影銀幕或電視機(jī)熒光屏下方出現(xiàn)的外語對話譯文或其他解說文字，如影片的片名、演職員表、唱詞、對白、說明詞以有人物介紹、地名和年代等。
企業(yè)越來越走向國際化、生態(tài)化，越來越多人開始異地辦公、移動辦公，尤其是2020年的疫情突發(fā)，讓我們感覺到視頻會議是整個會議服務(wù)中不可或缺的一個組成部分。而視頻會議中亟待解決的語言交流障礙，也可以通過遠(yuǎn)程同聲傳譯方案得以解決。而我們選擇在線同傳的前提是基于翻譯傳播的必要性，以高水平的同聲傳譯員在會議現(xiàn)場（主會場）或是第三方進(jìn)行現(xiàn)場口譯，同步翻譯的那種，可以保障會議的有序進(jìn)行和溝通順暢”。
之前音視頻公司在做轉(zhuǎn)錄時，需要先將錄制的語音轉(zhuǎn)換成文本，然后再將文本用于應(yīng)用程序中。因此他們大多就會選擇與轉(zhuǎn)錄提供商合作，但也面臨一些挑戰(zhàn)：
一些提供商可能會要求客戶簽署價格昂貴的合同，并且也難以集成到客戶的技術(shù)堆棧中以成功完成轉(zhuǎn)錄任務(wù)。有些提供商可能還在使用過時的技術(shù)，無法很好地適應(yīng)不同的情況（例如聯(lián)絡(luò)中心常見的低保真度通話錄音），從而導(dǎo)致轉(zhuǎn)錄準(zhǔn)確性較差。