Google prevodilac: Glas u realnom vremenu i vještačka inteligencija za uklanjanje jezičkih barijera

Informatec Digital » Resursi » Google prevodilac: Glas u realnom vremenu i vještačka inteligencija za uklanjanje jezičkih barijera

Putovanja, rad s međunarodnim timovima ili jednostavno gledanje videa na drugom jeziku postaju sve uobičajeniji, a u svim ovim scenarijima jezičke barijere više se ne mogu prevladati samo rječnicima ili osnovnim prevoditeljima . Google čini značajan korak naprijed s Google Translateom potpuno integrirajući svoju umjetnu inteligenciju Gemini i druge modele poput PaLM 2 kako bi prevođenje teksta i glasa učinilo mnogo prirodnijim, fluidnijim i korisnijim u svakodnevnom životu.

Ono što je nekada bio prevodilac koji je radio gotovo riječ po riječ sada teži da postane vrsta ličnog tumača koji razumije kontekst, ton, pa čak i intonaciju razgovora . Nadalje, Google koristi istu tehnologiju, za razliku od drugih platformi poput DeepL-a , kako bi ponudio alate za jezičku praksu unutar aplikacije, pretvarajući Prevodilac u nešto bliže privatnom učitelju nego jednostavnom alatu za snalaženje.

Google Translate se oslanja na Gemini i PaLM 2 kako bi bolje razumio jezik.

Dolaskom Geminija, Google je redizajnirao način na koji njegov prevodilac obrađuje jezik, oslanjajući se na jezičke modele i neuronske mreže : više ne zamjenjuje samo termine, već interpretira namjeru i puni kontekst rečenica . To omogućava da se idiomi, kolokvijalizmi i drugi izrazi prevedu mnogo bliže načinu na koji bi ih preveo izvorni govornik ciljnog jezika.

U praksi, ovo znači da Google prevodilac može prepoznati kada frazu ne treba doslovno prevesti, već kulturno prikladnim ekvivalentom . Tipičan primjer bi bili engleski izrazi poput "stealing my thunder", koje vještačka inteligencija pokušava prevesti sa stvarnim značenjem, a ne kao apsurdan niz riječi koji niko ne bi izgovorio na španskom.

Ovo poboljšanje je posebno primjetno u prijevodima teksta između engleskog i gotovo dvadeset drugih jezika, uključujući španski, kineski, japanski, njemački i hindski . Google je počeo uvoditi ova poboljšanja u Sjedinjenim Američkim Državama i Indiji, kako u mobilnoj aplikaciji tako i u web verziji u Google Chromeu , te će ih postepeno proširivati ​​na druga tržišta kako se modeli budu usavršavali s više podataka i povratnih informacija korisnika.

Uz Gemini, Google je također iskoristio potencijal PaLM 2, jezičkog modela s vrlo naprednim višejezičnim mogućnostima koji je dramatično povećao broj jezika koje podržava Google Translate. Zahvaljujući ovom engineu, kompanija je dodala 110 novih jezika, od kantonskog, dugo tražene funkcije, do manjinskih jezika poput manskog i jezika autohtonih zajednica.

PaLM 2 je korišten za identifikaciju srodnih jezika i olakšavanje obuke kada su podaci ograničeni , na primjer, u slučaju avadhija i marvadija. Iako svi novi jezici još uvijek nemaju iste funkcije (kao što su prevođenje kamerom, prevođenje glasa ili pretvaranje teksta u govor), ovaj skok je značajan jer služi više od 614 miliona ljudi, što je približno 8% svjetske populacije.

Prevođenje glasa u stvarnom vremenu: prirodniji razgovori

Jedna od najupečatljivijih promjena je prevođenje glasa u stvarnom vremenu, dizajnirano za razgovore licem u lice . Umjesto pritiskanja dugmadi ili čitanja ekrana svaki put kada neko govori, vještačka inteligencija sluša, prevodi i prikazuje rezultat gotovo trenutno.

Google Prevodilac sada uključuje način rada "prevođenja uživo" koji transkribuje ono što govornici govore i prikazuje to na oba jezika na ekranu . Istovremeno, reprodukuje prevedeni audio, omogućavajući vam da pratite bez potrebe da stalno čitate svaki red teksta kao da je u pitanju kontinuirani titl.

Da bi to postigao, Google koristi napredne modele prepoznavanja govora dizajnirane za izolaciju zvukova i smanjenje pozadinske buke . Ovo je posebno korisno u izazovnim okruženjima kao što su kafići, aerodromi, željezničke stanice ili bilo koji prepun prostor, gdje su mnogi sistemi za prepoznavanje govora ranije imali problema s razlikovanjem glasova od buke.

Ova funkcija simultanog prevođenja putem aplikacije dostupna je, u svojoj prvoj fazi, korisnicima u Sjedinjenim Američkim Državama, Indiji i Meksiku, s podrškom za više od 70 jezika . To uključuje glavne svjetske jezike poput španskog, arapskog, francuskog, hindskog, korejskog i tamilskog, što je čini vrlo svestranim alatom za turizam, rad na daljinu i obuku.

Osnovna ideja je da se u stvarnim situacijama - pregledu kod doktora, improviziranom sastanku, traženju uputa ili pregovaranju u prodavnici - pauze, akcenti i promjene intonacije također trebaju odraziti u prijevodu . Gemini pokušava prilagoditi ritam sintetiziranog glasa i održati, koliko god je to moguće, ton originalnog govornika, čineći razgovor manje robotskim.

Slušalice kao lični prevodilac: Prevod uživo u vašim ušima

Iako je prevođenje na ekranu već praktično, sljedeći korak je još ambiciozniji: omogućavanje glasovnog prevođenja direktno na bilo koji par slušalica . Google je usavršio ovu funkciju tako da više ne zavisi od vlasničkih uređaja poput Pixel Buds slušalica, već može raditi sa praktično bilo kojim modelom povezanim na vaš telefon.

Radi relativno jednostavno: korisnik poveže slušalice s telefonom, otvori Google Translate i aktivira Live Translate ili način rada "Real-time Translation" . Zatim odabere jezik koji želi prevesti - ili pusti aplikaciju da ga automatski prepozna - usmjeri telefon prema zvučniku i pusti da vještačka inteligencija obavi svoj posao.

Dok govornik govori na svom jeziku, Gemini obrađuje audio, prevodi ga i šalje na slušalice, preklapajući prevedeni glas s originalom . Istovremeno, korisnik na ekranu vidi transkript dijaloga na oba jezika, što pomaže pri ponavljanju vokabulara ili pojačava razumijevanje ako se jezik uči.

Prema Googleu, sistem je optimizovan da sačuva ton, naglasak i ritam originalnog glasa , čineći iskustvo manje "robotskim" i više nalik na to da vam ljudski prevodilac šapuće prevod na uho. Ova funkcija je posebno privlačna za poslovne sastanke, vođene ture, konferencije ili situacije u kojima je stalno čitanje s telefona neugodno.

U ovoj prvoj fazi, prevođenje u stvarnom vremenu putem bilo kojih slušalica pokreće se kao ograničena beta verzija za Android u Sjedinjenim Američkim Državama, Meksiku i Indiji , s podrškom za preko 70 jezika. Google je potvrdio da će ista funkcija stići na iPhone uređaje putem aplikacije Google Translate, ali kompatibilnost s iOS-om planirana je za 2026. godinu, tako da će korisnici Applea morati malo duže pričekati.

Jezička praksa s umjetnom inteligencijom: od prevodioca do partnera u učenju

Google ne želi da Prevodilac bude koristan samo za snalaženje tokom putovanja ili razumijevanje važne e-pošte; također ima za cilj transformirati aplikaciju u platformu za personalizirano učenje i vježbanje jezika . Zato je dodao specifične alate pokretane umjetnom inteligencijom kako bi poboljšao razumijevanje razgovora i slušanja.

Jedna od novih funkcija je personalizirani način vježbanja razgovora u kojem korisnici mogu simulirati situacije iz stvarnog života . Od neformalnih razgovora s prijateljima ili porodicom do formalnijih konteksta poput razgovora za posao, studiranja u inostranstvu ili poslovnih sastanaka, umjetna inteligencija generira dijaloge prilagođene specifičnim ciljevima svake osobe.

Kada otvorite aplikaciju na svom mobilnom uređaju, možete odabrati jezik na kojem se prikazuju objašnjenja i jezik koji želite vježbati , kao i odabrati nivo: osnovni, srednji ili napredni. Ovi nivoi se mogu mijenjati tokom vremena kako korisnik napreduje, a aplikacija automatski prilagođava težinu aktivnosti.

Alat integriše aktivnosti slušanja s razumijevanjem i govora, s vježbama vođenim umjetnom inteligencijom koje pružaju korekciju i smjernice . Korisnik sluša dijaloge, odgovara na pitanja, ponavlja fraze ili interaguje sa simuliranim scenarijima koje generiše sistem, a koji nudi prijedloge za vokabular, gramatičke strukture i prirodnije izraze.

Također možete dodirnuti određene riječi u dijalozima da biste vidjeli njihovo značenje ili varijacije upotrebe , što vam omogućava da poboljšate svoje razumijevanje i aktivnije učite. Nadalje, aplikacija prati vaš napredak i predlaže dnevne ili sedmične ciljeve, slično drugim platformama za učenje jezika, pomažući vam da ostanete motivirani na duge staze.

Za sada je ovaj način učenja u beta verziji za govornike engleskog jezika koji žele naučiti španski ili francuski , te za govornike španskog, francuskog i portugalskog jezika koji žele poboljšati svoje znanje engleskog jezika. Google je naznačio da će proširiti jezike i kombinacije kako bude prikupljao podatke o korištenju i usavršavao uključene konverzacijske modele.

Masovno širenje jezika i funkcija zasnovanih na jeziku

Unapređenje vještačke inteligencije ne samo da poboljšava kvalitet prevoda, već je i proširilo raspon dostupnih jezika, uključujući one s malim brojem govornika ili one koji prolaze kroz revitalizaciju . Ovo ima direktan uticaj na zajednice koje su ranije imale malo tehnoloških alata prilagođenih njihovoj jezičkoj stvarnosti.

Dodavanje 110 novih jezika uz pomoć PaLM 2 kreće se od široko korištenih do manje poznatih jezika, uključujući autohtone jezike i jezike manjina s malo izvornih govornika . Tehnologija omogućava skaliranje podrške čak i kada je količina podataka dostupnih za obuku modela ograničena.

Google naglašava da je za mnoge od ovih jezika prioritet bio poštovanje napora za revitalizaciju i očuvanje kulture , koristeći Prevoditelj kao alat za podršku dokumentaciji, obrazovanju i međugeneracijskoj komunikaciji. Njihovo prisustvo na Prevoditelju može značajno poboljšati njihovu vidljivost u digitalnom okruženju.

Međutim, kompanija također pojašnjava da nisu sve funkcije dostupne na svim novim jezicima . Prevođenje kamerom, prevođenje glasa i pretvaranje teksta u govor može potrajati duže za implementaciju na nekim jezicima, jer zahtijevaju specifične modele prepoznavanja rukopisa, fonetike i sinteze govora.

Čak i uz ova početna ograničenja, strategija je jasna: nastaviti postepeno uključivanje jezika, progresivno proširujući skup povezanih funkcija . Vještačka inteligencija omogućava pokrivanje šireg lingvističkog spektra sa svakim novim modelom i ciklusom obuke, bez prevelikog oslanjanja na popularnost ili broj govornika svakog jezika.

Utjecaj na turizam, poslovanje i osnovne usluge

Poboljšanje prijevoda i dolazak glasovne komunikacije u stvarnom vremenu nisu samo zanimljivi tehnološki napredci; oni imaju direktne posljedice na način na koji ljudi i organizacije komuniciraju u globaliziranom svijetu . Sektori poput turizma, zdravstva, obrazovanja i međunarodne trgovine već imaju koristi od ovih alata na vrlo opipljive načine.

Zamislite, na primjer, putovanje u zemlju čiji jezik ne znate: uz prijevod uživo i slušalice, možete voditi razumno tečan razgovor s taksistom, recepcionarom hotela ili turističkim vodičem bez potrebe za profesionalnim prevodiocima. Nije savršeno, ali uveliko smanjuje trenje u svakodnevnim situacijama.

U poslovnom svijetu, Google Translate i njegove nove mogućnosti pozicionirane su kao alat za podršku višejezičnoj korisničkoj službi, međunarodnim sastancima i internoj obuci . Iako se ljudski prevodioci i dalje koriste u vrlo kritičnim okruženjima, vještačka inteligencija može podnijeti mnoge interakcije s nižim rizikom s više nego prihvatljivim kvalitetom.

Sam Google predstavlja ova poboljšanja kao dio šire strategije demokratizacije konverzacijske i kontekstualne umjetne inteligencije suočene s konkurencijom poput Microsofta, Applea i Mete . Dok Google Translate daje prioritet općoj dostupnosti i integraciji na različitim uređajima, Microsoft se snažno fokusira na korporativna okruženja, Apple na privatnost unutar svog zatvorenog ekosistema i izvornu integraciju, a Meta istražuje prevođenje u nosivim uređajima i proširenoj stvarnosti.

U javnim službama, obrazovanju i zdravstvu, mogućnost prevođenja razgovora u realnom vremenu na više od 70 jezika samo uz pomoć mobilnog telefona i slušalica može napraviti značajnu razliku. To se kreće od pomoći pacijentima koji ne govore lokalni jezik do olakšavanja pristupa edukativnim materijalima ili bitnim administrativnim procedurama.

Zajedno, sve ove nove funkcije transformišu Prevodioca od jednostavnog brzog konvertora fraza u sveobuhvatnu platformu koja obuhvata mašinsko prevođenje, jezičku praksu i podršku za profesionalnu i ličnu komunikaciju . A sve ovo pokreće vještačka inteligencija Geminija i PaLM 2, obrađujući tekst, glas, pa čak i vizuelni sadržaj u nekim slučajevima.

Evolucija Google prevodioca jasno pokazuje da je mašinsko prevođenje od ograničenog i doslovnog pomagala postalo sistem sve bliži razumijevanju ljudskog jezika, gdje su kontekst, ton, ritam glasa i ciljevi korisnika jednako važni kao i same riječi , što nas malo približava ideji da možemo razumjeti gotovo svakoga, bez obzira kojim jezikom govori.