Google prevoditelj: Glas u stvarnom vremenu i umjetna inteligencija ruše jezične barijere

Informatec Digital » Sredstva » Google prevoditelj: Glas u stvarnom vremenu i umjetna inteligencija ruše jezične barijere

Putovanja, rad s međunarodnim timovima ili jednostavno gledanje videa na drugom jeziku postaju sve češći, a u svim tim scenarijima jezične barijere više se ne mogu prevladati samo rječnicima ili osnovnim prevoditeljima . Google čini značajan korak naprijed s Google Prevoditeljem 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 nekad bio prevoditelj koji je radio gotovo riječ po riječ sada teži postati svojevrsni osobni tumač 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 jezičnu praksu unutar aplikacije, pretvarajući Prevoditelj 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 prevoditelj obrađuje jezik, oslanjajući se na jezične modele i neuronske mreže : više ne zamjenjuje samo pojmove, već interpretira namjeru i puni kontekst rečenica . To omogućuje da se idiomi, kolokvijalizmi i izrazi prevedu mnogo bliže načinu na koji bi ih preveo izvorni govornik ciljanog jezika.

U praksi to znači da Google Translate može prepoznati kada frazu ne treba doslovno prevesti, već s kulturno prikladnim ekvivalentom . Tipičan primjer bili bi engleski izrazi poput "stealing my thunder", koje umjetna inteligencija pokušava prevesti s njihovim stvarnim značenjem, a ne kao apsurdan niz riječi koji nitko ne bi izgovorio na španjolskom.

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

Uz Gemini, Google je iskoristio i potencijal PaLM-a 2, jezičnog modela s vrlo naprednim višejezičnim mogućnostima koji je dramatično povećao broj jezika koje podržava Google Prevoditelj. Zahvaljujući ovom mehanizmu, tvrtka je dodala 110 novih jezika, od kantonskog, dugo tražene značajke, do manjinskih jezika poput manskog i jezika autohtonih zajednica.

PaLM 2 se koristi za identifikaciju srodnih jezika i olakšavanje obuke kada su podaci ograničeni , na primjer u slučaju awadhija i marwadija. Iako svi novi jezici još nemaju iste značajke (kao što su prevođenje kamerom, prevođenje glasa ili pretvaranje teksta u govor), ovaj skok je značajan jer služi više od 614 milijuna ljudi, što je otprilike 8% svjetske populacije.

Prijevod glasa u stvarnom vremenu: prirodniji razgovori

Jedna od najupečatljivijih promjena je prevođenje glasa u stvarnom vremenu dizajnirano za razgovore licem u lice . Umjesto da morate pritiskati tipke ili čitati ekran svaki put kada netko govori, umjetna inteligencija sluša, prevodi i prikazuje rezultat gotovo trenutno.

Google Prevoditelj sada uključuje način rada "prijevod uživo" koji transkribira ono što govornici govore i prikazuje to na oba jezika na zaslonu . Istovremeno reproducira prevedeni zvuk, omogućujući vam da pratite bez potrebe da stalno čitate svaki redak teksta kao da je riječ o kontinuiranom titlu.

Kako bi to postigao, Google koristi napredne modele prepoznavanja govora osmišljene za izolaciju zvukova i smanjenje pozadinske buke . To je posebno korisno u zahtjevnim okruženjima poput kafića, zračnih luka, željezničkih kolodvora ili bilo kojeg prepunog prostora, gdje su se mnogi sustavi za prepoznavanje govora prije mučili s razlikovanjem glasova od buke.

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

Temeljna ideja je da se u stvarnim situacijama - liječnički pregled, improvizirani sastanak, traženje uputa ili pregovaranje u trgovini - pauze, naglasci i promjene intonacije također trebaju odraziti u prijevodu . Gemini pokušava prilagoditi ritam sintetiziranog glasa i održati, koliko god je to moguće, ton izvornog govornika, čineći razgovor manje robotskim.

Slušalice kao osobni prevoditelj: Prijevod uživo u vašim ušima

Iako je prevođenje na ekranu već praktično, sljedeći korak je još ambiciozniji: donošenje glasovnog prevođenja izravno na bilo koji par slušalica . Google je usavršio ovu značajku tako da više ne ovisi o vlasničkim uređajima poput Pixel Buds slušalica, već može raditi s gotovo svakim modelom spojenim na vaš telefon.

Radi relativno jednostavno: korisnik spoji slušalice na telefon, otvori Google Translate i aktivira način rada Live Translate ili "Real-time Translation" . Zatim odabere jezik koji želi prevesti - ili pusti da ga aplikacija automatski prepozna - usmjeri telefon prema zvučniku i pusti umjetnu inteligenciju da obavi svoj posao.

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

Prema Googleu, sustav je optimiziran za očuvanje tona, naglaska i kadence izvornog glasa , čineći iskustvo manje "robotskim" i više nalik na to da vam ljudski prevoditelj šapuće prijevod na uho. Ova je značajka 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 koje slušalice pokreće se kao ograničena beta verzija za Android u Sjedinjenim Državama, Meksiku i Indiji , s podrškom za više od 70 jezika. Google je potvrdio da će ista značajka stići na iPhone uređaje putem aplikacije Google Prevoditelj, ali kompatibilnost s iOS-om planirana je za 2026. godinu, tako da će korisnici Applea morati još malo pričekati.

Jezična praksa s umjetnom inteligencijom: od prevoditelja do partnera u učenju

Google ne želi da Prevoditelj bude koristan samo za snalaženje tijekom putovanja ili razumijevanje važne e-pošte; također želi 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 značajki je personalizirani način vježbanja razgovora u kojem korisnici mogu simulirati stvarne situacije . Od neformalnih razgovora s prijateljima ili obitelji do formalnijih konteksta poput razgovora za posao, studiranja u inozemstvu ili radnih 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 razinu: osnovna, srednja ili napredna. Ove se razine mogu mijenjati tijekom vremena kako korisnik napreduje, a aplikacija automatski prilagođava težinu aktivnosti.

Alat integrira aktivnosti slušanja s razumijevanjem i govora, s vježbama vođenim umjetnom inteligencijom koje pružaju ispravke i smjernice . Korisnik sluša dijaloge, odgovara na pitanja, ponavlja fraze ili komunicira sa simuliranim scenarijima koje generira sustav, a koji nudi prijedloge za vokabular, gramatičke strukture i prirodnije izraze.

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

Zasad je ovaj način učenja u beta verziji za govornike engleskog jezika koji žele naučiti španjolski ili francuski , te za govornike španjolskog, francuskog i portugalskog jezika koji žele poboljšati svoj engleski. Google je naznačio da će proširiti jezike i kombinacije kako bude prikupljao podatke o korištenju i usavršavao uključene konverzacijske modele.

Masovno širenje jezika i značajki temeljenih na jeziku

Poboljšanje umjetne inteligencije ne samo da poboljšava kvalitetu prijevoda, već je i proširilo raspon dostupnih jezika, uključujući one s malo govornika ili one koji prolaze kroz revitalizaciju . To ima izravan utjecaj na zajednice koje su prije imale malo tehnoloških alata prilagođenih njihovoj jezičnoj stvarnosti.

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

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

Međutim, tvrtka također pojašnjava da nisu sve značajke dostupne na svim novim jezicima . Prijevod kamerom, glasovni prijevod i pretvaranje teksta u govor mogu potrajati dulje za neke jezike, jer zahtijevaju specifične modele prepoznavanja rukopisa, fonetike i sinteze govora.

Čak i uz ova početna ograničenja, strategija je jasna: nastaviti postupno uključivati ​​jezike, progresivno proširujući skup povezanih funkcija . Umjetna inteligencija omogućuje pokrivanje šireg jezičnog 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 napredak; oni imaju izravne 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 prevoditeljima. Nije savršeno, ali uvelike 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 prevoditelji još uvijek koriste u vrlo kritičnim okruženjima, umjetna inteligencija može podnijeti mnoge interakcije s nižim rizikom s više nego prihvatljivom 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 ekosustava i izvornu integraciju, a Meta istražuje prevođenje u nosivim uređajima i proširenoj stvarnosti.

U javnim službama, obrazovanju i zdravstvu, mogućnost prevođenja razgovora u stvarnom 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 postupcima.

Sve ove nove značajke zajedno transformiraju Prevoditelj od jednostavnog brzog pretvarača fraza u sveobuhvatnu platformu koja obuhvaća strojno prevođenje, jezičnu praksu i podršku za profesionalnu i osobnu komunikaciju . A sve to pokreće umjetna inteligencija Geminija i PaLM 2, obrađujući tekst, glas, pa čak i vizualni sadržaj u nekim slučajevima.

Evolucija Google prevoditelja jasno pokazuje da je strojno prevođenje od ograničenog i doslovnog pomagala postalo sustav 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 govore.