Google Translate: Hlas v reálnom čase a umelá inteligencia na prekonanie jazykových bariér

Informatec Digital » Zdroje » Google Translate: Hlas v reálnom čase a umelá inteligencia na prekonanie jazykových bariér

Cestovanie, práca s medzinárodnými tímami alebo jednoduché sledovanie videí v inom jazyku sa stáva čoraz bežnejším a vo všetkých týchto scenároch sa jazykové bariéry už nedajú prekonať len slovníkmi alebo základnými prekladačmi . Google robí s Google Translate významný krok vpred tým, že plne integruje svoju umelú inteligenciu Gemini a ďalšie modely, ako je PaLM 2, aby bol preklad textu a hlasu oveľa prirodzenejší, plynulejší a užitočnejší v každodennom živote.

To, čo bolo kedysi prekladačom, ktorý fungoval takmer slovo od slova, sa teraz snaží stať akýmsi osobným tlmočníkom, ktorý rozumie kontextu, tónu a dokonca aj intonácii konverzácií . Okrem toho spoločnosť Google využíva túto istú technológiu, na rozdiel od iných platforiem, ako je DeepL , na to, aby v aplikácii ponúkala nástroje na precvičovanie jazyka, čím transformuje Prekladač na niečo bližšie k súkromnému doučovaniu než na jednoduchý nástroj na zvládnutie jazyka.

Prekladač Google sa spolieha na Gemini a PaLM 2, aby lepšie porozumel jazyku

S príchodom Gemini spoločnosť Google prepracovala spôsob, akým jej prekladač spracováva jazyk, a to na základe jazykových modelov a neurónových sietí : už nielen nahrádza termíny, ale interpretuje zámer a celý kontext viet . To umožňuje preklad idiómov, hovorových výrazov a konverzačných výrazov oveľa presnejšie ako by ich preložil rodený hovoriaci cieľového jazyka.

V praxi to znamená, že Google Translate dokáže rozpoznať, kedy fráza nemá byť preložená doslovne, ale s kultúrne vhodným ekvivalentom . Typickým príkladom by boli anglické výrazy ako „stealing my thunder“, ktoré sa umelá inteligencia snaží preložiť s ich skutočným významom a nie ako absurdný reťazec slov, ktoré by nikto nepovedal v španielčine.

Toto zlepšenie je obzvlášť viditeľné pri prekladoch textu medzi angličtinou a takmer dvadsiatimi ďalšími jazykmi vrátane španielčiny, čínštiny, japončiny, nemčiny a hindčiny . Spoločnosť Google začala tieto vylepšenia zavádzať v Spojených štátoch a Indii, a to v mobilnej aplikácii aj vo webovej verzii v prehliadači Google Chrome , a postupne ich rozšíri aj na ďalšie trhy, keďže modely sa budú spresňovať na základe väčšieho množstva údajov a spätnej väzby od používateľov.

Popri Gemini spoločnosť Google využila aj potenciál PaLM 2, jazykového modelu s vysoko pokročilými viacjazyčnými funkciami , ktorý dramaticky zvýšil počet jazykov podporovaných službou Google Translate. Vďaka tomuto enginu spoločnosť pridala 110 nových jazykov, od kantončiny, dlho žiadanej funkcie, až po menšinové jazyky ako mančina a jazyky domorodých komunít.

PaLM 2 sa používa na identifikáciu súvisiacich jazykov a uľahčenie školenia, keď sú údaje obmedzené , napríklad v prípade jazykov Awadhi a Marwadi. Hoci nie všetky nové jazyky majú rovnaké funkcie (ako napríklad preklad z kamery, hlasový preklad alebo prevod textu na reč), tento skok je významný, pretože slúži viac ako 614 miliónom ľudí, čo predstavuje približne 8 % svetovej populácie.

Hlasový preklad v reálnom čase: prirodzenejšie konverzácie

Jednou z najvýraznejších zmien je hlasový preklad v reálnom čase určený pre osobné rozhovory . Namiesto toho, aby ste museli stláčať tlačidlá alebo čítať obrazovku zakaždým, keď niekto hovorí, umelá inteligencia počúva, prekladá a zobrazuje výsledok takmer okamžite.

Prekladač Google teraz obsahuje režim „živého prekladu“, ktorý prepisuje, čo hovoriaci hovoria, a zobrazuje to v oboch jazykoch na obrazovke . Súčasne prehráva preložený zvuk, čo vám umožňuje sledovať rozprávanie bez toho, aby ste museli neustále čítať každý riadok textu, akoby išlo o súvislé titulky.

Na dosiahnutie tohto cieľa spoločnosť Google používa pokročilé modely rozpoznávania reči určené na izoláciu zvukov a zníženie hluku v pozadí . To je obzvlášť užitočné v náročných prostrediach, ako sú kaviarne, letiská, železničné stanice alebo akékoľvek preplnené priestory, kde mnohé systémy rozpoznávania reči predtým mali problém rozlišovať medzi hlasmi a hlukom.

Táto funkcia simultánneho prekladu prostredníctvom aplikácie je v prvej fáze dostupná pre používateľov v Spojených štátoch, Indii a Mexiku s podporou viac ako 70 jazykov . Patria sem hlavné svetové jazyky, ako je španielčina, arabčina, francúzština, hindčina, kórejčina a tamilčina, vďaka čomu je veľmi všestranným nástrojom pre cestovný ruch, prácu na diaľku a školenia.

Základnou myšlienkou je, že v reálnych situáciách – návšteva lekára, improvizované stretnutie, pýtanie sa na cestu alebo vyjednávanie v obchode – by sa pauzy, prízvuky a zmeny intonácie mali odrážať aj v preklade . Gemini sa snaží upraviť rytmus syntetizovaného hlasu a čo najviac zachovať tón pôvodného hovoriaceho, čím sa konverzácia stáva menej robotickou.

Slúchadlá ako osobný prekladateľ: Živý preklad vo vašich ušiach

Hoci je preklad na obrazovke už praktický, ďalší krok je ešte ambicióznejší: priniesť hlasový preklad priamo do akýchkoľvek slúchadiel . Spoločnosť Google túto funkciu vylepšila tak, aby už nezávisela od proprietárnych zariadení, ako sú Pixel Buds, ale mohla fungovať prakticky s akýmkoľvek modelom pripojeným k telefónu.

Funguje to pomerne jednoducho: používateľ pripojí slúchadlá k telefónu, otvorí Prekladač Google a aktivuje režim Živý preklad alebo „Preklad v reálnom čase“ . Potom si vyberie jazyk, ktorý chce preložiť – alebo nechá aplikáciu, aby ho automaticky rozpoznala – namieri telefón na reproduktor a nechá umelú inteligenciu, aby vykonala svoju prácu.

Keď hovoriaci hovorí vo svojom jazyku, Gemini spracováva zvuk, prekladá ho a odosiela ho do slúchadiel, pričom preložený hlas prekrýva originál . Súčasne používateľ vidí na obrazovke prepis dialógu v oboch jazykoch, čo pomáha pri opakovaní slovnej zásoby alebo posilňuje porozumenie pri učení sa jazyka.

Podľa spoločnosti Google je systém optimalizovaný tak, aby zachoval tón, dôraz a kadenciu pôvodného hlasu , vďaka čomu je zážitok menej „robotický“ a viac pripomína ľudský tlmočník šepkajúci vám preklad do ucha. Táto funkcia je obzvlášť atraktívna pre obchodné stretnutia, prehliadky so sprievodcom, konferencie alebo situácie, kde je neustále čítanie z telefónu nepríjemné.

V tejto prvej fáze sa preklad v reálnom čase prostredníctvom akejkoľvek náhlavnej súpravy spúšťa ako obmedzená beta verzia pre Android v Spojených štátoch, Mexiku a Indii s podporou viac ako 70 jazykov. Spoločnosť Google potvrdila, že rovnaká funkcia bude dostupná aj na iPhonoch prostredníctvom aplikácie Google Translate, ale kompatibilita so systémom iOS je plánovaná na rok 2026, takže používatelia Apple si budú musieť počkať o niečo dlhšie.

Jazyková prax s umelou inteligenciou: od prekladateľa k vzdelávaciemu partnerovi

Google nechce, aby bol Prekladač užitočný len na cestovanie alebo porozumenie dôležitému e-mailu; jeho cieľom je tiež transformovať aplikáciu na platformu pre personalizované učenie a precvičovanie jazykov . Preto pridal špecifické nástroje s umelou inteligenciou na zlepšenie konverzácie a porozumenia počúvanému textu.

Jednou z nových funkcií je personalizovaný režim precvičovania konverzácie, v ktorom si používatelia môžu simulovať situácie z reálneho života . Od neformálnych rozhovorov s priateľmi alebo rodinou až po formálnejšie kontexty, ako sú pracovné pohovory, štúdium v ​​zahraničí alebo pracovné stretnutia, umelá inteligencia generuje dialógy prispôsobené špecifickým cieľom každej osoby.

Keď otvoríte aplikáciu na svojom mobilnom zariadení, môžete si vybrať jazyk, v ktorom sa zobrazujú vysvetlenia, a jazyk, ktorý si chcete precvičovať , ako aj úroveň: základná, stredne pokročilá alebo pokročilá. Tieto úrovne je možné v priebehu času upravovať podľa toho, ako používateľ postupuje, a aplikácia automaticky upravuje náročnosť aktivít.

Nástroj integruje aktivity zamerané na počúvanie s porozumením a hovorenie s cvičeniami riadenými umelou inteligenciou, ktoré poskytujú korekcie a usmernenia . Používateľ počúva dialógy, odpovedá na otázky, opakuje frázy alebo interaguje so simulovanými scenármi generovanými systémom, ktorý ponúka návrhy na slovnú zásobu, gramatické štruktúry a prirodzenejšie výrazy.

Môžete tiež klepnúť na konkrétne slová v dialógoch a zobraziť ich význam alebo variácie použitia , čo vám umožní spresniť si porozumenie a aktívnejšie sa učiť. Aplikácia navyše sleduje váš pokrok a navrhuje denné alebo týždenné ciele, podobne ako iné platformy na výučbu jazykov, čo vám pomáha zostať motivovaným z dlhodobého hľadiska.

Tento režim učenia je momentálne v beta verzii pre anglicky hovoriacich, ktorí sa chcú učiť po španielsky alebo francúzsky , a pre španielsky, francúzsky a portugalsky hovoriacich, ktorí si chcú zlepšiť svoju angličtinu. Spoločnosť Google naznačila, že rozšíri jazyky a kombinácie, keďže bude zhromažďovať údaje o používaní a spresňovať použité konverzačné modely.

Masívne rozšírenie jazykov a funkcií založených na jazyku

Vylepšenie umelej inteligencie nielen zlepšuje kvalitu prekladov, ale rozšírilo aj škálu dostupných jazykov vrátane tých s malým počtom hovoriacich alebo jazykov, ktoré prechádzajú revitalizáciou . To má priamy vplyv na komunity, ktoré predtým mali len málo technologických nástrojov prispôsobených ich jazykovej realite.

Pridanie 110 nových jazykov pomocou PaLM 2 siaha od bežne používaných jazykov až po menej známe, vrátane domorodých jazykov a menšinových jazykov s malým počtom rodených hovoriacich . Technológia umožňuje škálovanie podpory aj v prípade, že množstvo údajov dostupných na trénovanie modelov je obmedzené.

Google zdôrazňuje, že pre mnohé z týchto jazykov bolo prioritou rešpektovanie úsilia o revitalizáciu a zachovanie kultúrneho dedičstva , pričom Prekladač sa používa ako podporný nástroj pre dokumentáciu, vzdelávanie a medzigeneračnú komunikáciu. Ich prítomnosť v Prekladači môže výrazne zvýšiť ich viditeľnosť v digitálnom prostredí.

Spoločnosť však tiež objasňuje, že nie všetky funkcie sú dostupné vo všetkých nových jazykoch . Zavedenie prekladu fotoaparátom, hlasového prekladu a prevodu textu na reč do niektorých jazykov môže trvať dlhšie, pretože vyžadujú špecifické modely rozpoznávania rukopisu, fonetiky a syntézy reči.

Aj napriek týmto počiatočným obmedzeniam je stratégia jasná: pokračovať v postupnom začleňovaní jazykov a postupne rozširovať súbor súvisiacich funkcií . Umelá inteligencia umožňuje pokryť širšie jazykové spektrum s každým novým modelom a tréningovým cyklom bez toho, aby sa tak silno spoliehala na popularitu alebo počet hovoriacich daným jazykom.

Vplyv na cestovný ruch, podnikanie a základné služby

Zlepšenie prekladov a príchod hlasovej komunikácie v reálnom čase nie sú len zaujímavým technologickým pokrokom; majú priame dôsledky pre to, ako ľudia a organizácie komunikujú v globalizovanom svete . Sektory ako cestovný ruch, zdravotníctvo, vzdelávanie a medzinárodný obchod už z týchto nástrojov profitujú veľmi hmatateľným spôsobom.

Predstavte si napríklad cestu do krajiny, ktorej jazyk nepoznáte: so živým tlmočením a slúchadlami sa môžete pomerne plynulo rozprávať s taxikárom, recepčným v hoteli alebo turistickým sprievodcom bez toho, aby ste potrebovali profesionálnych prekladateľov. Nie je to dokonalé, ale výrazne to znižuje napätie v každodenných situáciách.

V obchodnom svete je Google Translate a jeho nové funkcie prezentované ako podporný nástroj pre viacjazyčný zákaznícky servis, medzinárodné stretnutia a interné školenia . Hoci sa ľudskí tlmočníci stále používajú vo vysoko kritických prostrediach, umelá inteligencia dokáže zvládnuť mnoho interakcií s nižším rizikom s viac než prijateľnou kvalitou.

Samotný Google prezentuje tieto vylepšenia ako súčasť širšej stratégie demokratizácie konverzačnej a kontextovej umelej inteligencie v porovnaní s konkurenciou, ako sú Microsoft, Apple a Meta . Zatiaľ čo Google Translate uprednostňuje všeobecnú dostupnosť a integráciu naprieč rôznymi zariadeniami, Microsoft sa vo veľkej miere zameriava na firemné prostredie, Apple na súkromie v rámci svojho uzavretého ekosystému a natívnu integráciu a Meta skúma preklad v nositeľných zariadeniach a rozšírenej realite.

Vo verejných službách, vzdelávaní a zdravotníctve môže mať schopnosť prekladať konverzácie v reálnom čase do viac ako 70 jazykov iba pomocou mobilného telefónu a slúchadiel významný vplyv. To siaha od pomoci pacientom, ktorí nehovoria miestnym jazykom, až po uľahčenie prístupu k vzdelávacím materiálom alebo základným administratívnym postupom.

Všetky tieto nové funkcie spolu transformujú Prekladač z jednoduchého rýchleho prevodníka fráz na komplexnú platformu zahŕňajúcu strojový preklad, jazykové precvičovanie a podporu pre profesionálnu aj osobnú komunikáciu . A to všetko je poháňané umelou inteligenciou Gemini a PaLM 2, ktorá spracováva text, hlas a v niektorých prípadoch dokonca aj vizuálny obsah.

Vývoj služby Google Translate jasne ukazuje, že strojový preklad sa z obmedzenej a doslovnej pomôcky stal systémom, ktorý sa čoraz viac približuje porozumeniu ľudskému jazyku, kde kontext, tón, hlasová kadencia a ciele používateľa hrajú rovnakú úlohu ako samotné slová , čo nás o niečo viac približuje k myšlienke, že dokážeme porozumieť takmer každému, bez ohľadu na to, akým jazykom hovorí.