Google Meet a lansat funcția care îți permite să vorbești limbi străine pe care nu le cunoști, cu propria ta voce
Adaugă-ne ca sursă preferată în Google
Urmărește Libertatea in Google Discover
Google Meet a lansat o funcție nouă de traducere vocală în timp real, dezvoltând această tehnologie cu ajutorul echipelor de la DeepMind și Research.
Cuprins:
Funcția permite utilizatorilor să comunice fără bariere lingvistice, deschizând noi oportunități de interacțiune globală.
Traducerea în timp real: Cum funcționează?
Funcția Speech Translation din Google Meet transformă conversațiile între vorbitori de limbi diferite. Traducerea se produce aproape instantaneu, replicând vocea utilizatorului.
Potrivit lui Fredric Lindstrom, liderul echipei de inginerie audio pentru Meet, „ideea este să eliminăm barierele lingvistice, indiferent dacă planifici o vacanță sau vorbești cu familia”. Această tehnologie este disponibilă în prezent pentru limbile italiană, portugheză, germană și franceză.
Progres rapid datorită AI
Fredric a explicat că, la începutul proiectului, echipa estima că dezvoltarea ar putea dura cinci ani. Cu toate acestea, colaborarea cu Google DeepMind și utilizarea modelelor AI avansate au accelerat progresul, finalizând funcția în doar doi ani.
„Pe măsură ce AI evoluează, lucrurile devin din ce în ce mai rapide”, a afirmat Fredric.
Care sunt inovațiile tehnologice
Anterior, tehnologiile de traducere vocală implicau trei pași: transcrierea discursului, traducerea textului și convertirea acestuia înapoi în vorbire. Acest proces genera întârzieri semnificative, de 10-20 de secunde, și voci generice care nu reflectau caracteristicile unice ale vorbitorului.
Huib Kleinhout, responsabil de managementul produsului pentru calitatea audio, a explicat că progresul a fost posibil datorită modelelor mari (n.r. - LLM-uri) care pot efectua traducerea din prima, în timp real.
„Modelul începe să genereze audio aproape instantaneu”, a spus Huib.
Provocări și soluții
Dezvoltarea funcției nu a fost lipsită de obstacole. Factorii precum accentele vorbitorilor, zgomotul de fundal sau condițiile rețelei au influențat calitatea traducerii.
Echipele Google Meet și DeepMind au lucrat îndeaproape pentru a ajusta modelele în funcție de performanța reală. Testările au implicat lingviști și experți în limbi pentru a înțelege subtilitățile traducerilor, inclusiv cele legate de accente și expresii.
Viitorul traducerilor cu AI
În prezent, modelul traduce majoritatea expresiilor la propriu, ceea ce poate genera uneori confuzii amuzante. Cu toate acestea, Huib și Fredric sunt optimiști că actualizările viitoare ale modelelor LLM vor îmbunătăți traducerile, captând nuanțe precum tonul și ironia.
„Acum au o limbă comună. Deodată, pot vorbi unul cu celălalt. Această tehnologie elimină aceste diferențe”, a subliniat Fredric.
Impactul social
Fredric Lindstrom a împărtășit anecdote emoționante despre utilizatori care, datorită acestei funcții, pot comunica cu persoane dragi din alte țări sau generații.
„Este extrem de satisfăcător să auzi povești despre oameni care nu au avut niciodată posibilitatea să vorbească cu bunicii lor, iar acum pot face acest lucru”, a spus el.
