Google Prevajalnik: Glas v realnem času in umetna inteligenca za odpravljanje jezikovnih ovir

Informatec Digital » Viri » Google Prevajalnik: Glas v realnem času in umetna inteligenca za odpravljanje jezikovnih ovir

Potovanja, delo z mednarodnimi ekipami ali preprosto gledanje videoposnetkov v drugem jeziku postajajo vse pogostejši in v vseh teh primerih jezikovnih ovir ni več mogoče premagati zgolj s slovarji ali osnovnimi prevajalniki . Google z Google Prevajalnikom dela pomemben korak naprej, saj v celoti integrira svojo umetno inteligenco Gemini in druge modele, kot je PaLM 2, da bi bilo prevajanje besedil in glasu veliko bolj naravno, tekoče in uporabno v vsakdanjem življenju.

Kar je bilo nekoč prevajalnik, ki je delal skoraj besedo za besedo, si zdaj prizadeva postati nekakšen osebni tolmač, ki razume kontekst, ton in celo intonacijo pogovorov . Poleg tega Google za razliko od drugih platform, kot je DeepL , izkorišča isto tehnologijo za ponujanje orodij za jezikovno vadbo v aplikaciji, s čimer Prevajalnik spreminja v nekaj bližje zasebnemu učitelju kot v preprosto orodje za lažje učenje.

Google Prevajalnik se za boljše razumevanje jezika zanaša na Gemini in PaLM 2

Z nastopom Geminija je Google preoblikoval način obdelave jezika, pri čemer se zanaša na jezikovne modele in nevronske mreže : ne nadomešča več zgolj izrazov, temveč interpretira namen in celoten kontekst stavkov . To omogoča, da se idiomi, pogovorni izrazi in kolokvijalizmi prevajajo veliko bolj natančno kot bi jih prevedel naravni govorec ciljnega jezika.

V praksi to pomeni, da Google Translate lahko zazna, kdaj besedne zveze ne bi smeli prevajati dobesedno, temveč s kulturno ustreznim ustreznikom . Tipičen primer bi bili angleški izrazi, kot je »stealing my thunder« (ukradel mi je glas), ki jih umetna inteligenca poskuša prevesti z njihovim dejanskim pomenom in ne kot absurden niz besed, ki jih nihče ne bi izgovoril v španščini.

Ta izboljšava je še posebej opazna pri prevodih besedil med angleščino in skoraj dvajsetimi drugimi jeziki, vključno s španščino, kitajščino, japonščino, nemščino in hindijščino . Google je te izboljšave začel uvajati v Združenih državah Amerike in Indiji, tako v mobilni aplikaciji kot v spletni različici v brskalniku Google Chrome , in jih bo postopoma razširil na druge trge, ko bodo modeli izpopolnjeni z več podatki in povratnimi informacijami uporabnikov.

Poleg Geminija je Google izkoristil tudi potencial PaLM 2, jezikovnega modela z zelo naprednimi večjezičnimi zmogljivostmi , ki je dramatično povečal število jezikov, ki jih podpira Google Translate. Zahvaljujoč temu mehanizmu je podjetje dodalo 110 novih jezikov, od kantonščine, dolgo zahtevane funkcije, do manjšinskih jezikov, kot je manščina, in jezikov avtohtonih skupnosti.

PaLM 2 se uporablja za prepoznavanje sorodnih jezikov in olajšanje usposabljanja, kadar so podatki omejeni , na primer v primeru avadhija in marvadija. Čeprav vsi novi jeziki še nimajo enakih funkcij (kot so prevajanje s kamero, glasovno prevajanje ali pretvorba besedila v govor), je ta preskok pomemben, saj služi več kot 614 milijonom ljudi, kar je približno 8 % svetovnega prebivalstva.

Prevajanje glasu v realnem času: bolj naravni pogovori

Ena najbolj presenetljivih sprememb je prevajanje glasu v realnem času, zasnovano za pogovore iz oči v oči . Namesto da bi morali vsakič, ko nekdo spregovori, pritiskati gumbe ali brati zaslon, umetna inteligenca posluša, prevaja in skoraj v trenutku prikaže rezultat.

Google Prevajalnik zdaj vključuje način »prevajanja v živo«, ki prepisuje, kar govorijo govorci, in to prikazuje v obeh jezikih na zaslonu . Hkrati predvaja prevedeni zvok, kar vam omogoča, da sledite, ne da bi morali nenehno brati vsako vrstico besedila, kot da bi šlo za neprekinjen podnapis.

Da bi to dosegli, Google uporablja napredne modele za prepoznavanje govora, zasnovane za izolacijo zvokov in zmanjšanje hrupa v ozadju . To je še posebej uporabno v zahtevnih okoljih, kot so kavarne, letališča, železniške postaje ali kateri koli gneča, kjer so se mnogi sistemi za prepoznavanje govora prej težko razlikovali med glasovi in ​​hrupom.

Ta funkcija simultanega prevajanja prek aplikacije je v prvi fazi na voljo uporabnikom v Združenih državah Amerike, Indiji in Mehiki, s podporo za več kot 70 jezikov . Med njimi so glavni svetovni jeziki, kot so španščina, arabščina, francoščina, hindijščina, korejščina in tamilščina, zaradi česar je zelo vsestransko orodje za turizem, delo na daljavo in usposabljanje.

Osnovna ideja je, da bi se morali v resničnih situacijah – zdravniškem pregledu, improviziranem sestanku, spraševanju za navodila ali pogajanju v trgovini – v prevodu odražati tudi premori, naglasi in spremembe intonacije . Gemini poskuša prilagoditi ritem sintetiziranega glasu in čim bolj ohraniti ton izvirnega govorca, zaradi česar se pogovor zdi manj robotski.

Slušalke kot osebni prevajalec: Prevajanje v živo v vaših ušesih

Čeprav je prevajanje na zaslonu že praktično, je naslednji korak še bolj ambiciozen: prenos glasovnega prevajanja neposredno na kateri koli par slušalk . Google je to funkcijo izpopolnil tako, da ni več odvisna od lastniških naprav, kot so Pixel Buds, temveč lahko deluje s praktično vsakim modelom, povezanim z vašim telefonom.

Deluje relativno preprosto: uporabnik priključi slušalke na telefon, odpre Google Prevajalnik in aktivira način »Prevajanje v živo« oziroma »Prevajanje v realnem času« . Nato izbere jezik, ki ga želi prevesti – ali pusti, da ga aplikacija samodejno zazna – usmeri telefon proti zvočniku in pusti, da umetna inteligenca opravi svoje delo.

Medtem ko govorec govori v svojem jeziku, Gemini obdela zvok, ga prevede in pošlje v slušalke, pri čemer prevedeni glas prekrije z izvirnikom . Hkrati uporabnik na zaslonu vidi prepis dialoga v obeh jezikih, kar pomaga pri pregledu besedišča ali krepi razumevanje, če se jezik uči.

Po Googlovih navedbah je sistem optimiziran za ohranjanje tona, poudarka in kadence izvirnega glasu , zaradi česar je izkušnja manj "robotska" in bolj podobna človeškemu tolmaču, ki vam šepeta prevod na uho. Ta funkcija je še posebej privlačna za poslovne sestanke, vodene oglede, konference ali situacije, ko je nenehno branje s telefona neprijetno.

V tej prvi fazi se prevajanje v realnem času prek katerih koli slušalk uvaja kot omejena beta različica za Android v Združenih državah Amerike, Mehiki in Indiji , s podporo za več kot 70 jezikov. Google je potrdil, da bo ista funkcija na voljo tudi na iPhonih prek aplikacije Google Translate, vendar je združljivost z iOS načrtovana za leto 2026, zato bodo morali uporabniki Appla še malo počakati.

Jezikovna praksa z umetno inteligenco: od prevajalca do učnega partnerja

Google ne želi, da bi bil Prevajalnik uporaben le za premikanje med potovanjem ali razumevanje pomembnega e-poštnega sporočila; želi ga preoblikovati tudi v platformo za prilagojeno učenje in vadbo jezika . Zato je dodal posebna orodja, ki jih poganja umetna inteligenca, za izboljšanje pogovorov in slušnega razumevanja.

Ena od novih funkcij je prilagojen način vadbe pogovorov, kjer lahko uporabniki simulirajo resnične situacije . Od neformalnih pogovorov s prijatelji ali družino do bolj formalnih kontekstov, kot so razgovori za službo, študij v tujini ali delovni sestanki, umetna inteligenca ustvarja dialoge, prilagojene specifičnim ciljem vsake osebe.

Ko odprete aplikacijo na mobilni napravi, lahko izberete jezik, v katerem so prikazane razlage, in jezik, ki ga želite vaditi , ter izberete raven: osnovno, srednjo ali napredno. Te ravni je mogoče sčasoma spreminjati, ko uporabnik napreduje, aplikacija pa samodejno prilagodi težavnost dejavnosti.

Orodje združuje dejavnosti poslušanja, razumevanja in govorjenja z vajami, ki jih vodi umetna inteligenca in zagotavljajo popravke in smernice . Uporabnik posluša dialoge, odgovarja na vprašanja, ponavlja besedne zveze ali se prebija skozi simulirane scenarije, ki jih ustvari sistem, ki ponuja predloge za besedišče, slovnične strukture in bolj naravne izraze.

V dialogih se lahko dotaknete tudi določenih besed, da si ogledate njihov pomen ali različice rabe , kar vam omogoča, da izboljšate svoje razumevanje in se aktivneje učite. Poleg tega aplikacija spremlja vaš napredek in predlaga dnevne ali tedenske cilje, podobno kot druge platforme za učenje jezikov, kar vam pomaga, da ostanete motivirani na dolgi rok.

Zaenkrat je ta način učenja v beta različici za angleško govoreče, ki se želijo učiti španščine ali francoščine , ter za špansko, francosko in portugalsko govoreče, ki želijo izboljšati svoje znanje angleščine. Google je nakazal, da bo razširil jezike in kombinacije, ko bo zbiral podatke o uporabi in izpopolnjeval vključene pogovorne modele.

Masivna širitev jezikov in funkcij, ki temeljijo na jeziku

Izboljšanje umetne inteligence ne le izboljša kakovost prevodov, temveč je razširilo tudi nabor razpoložljivih jezikov, vključno s tistimi z malo govorci ali tistimi, ki so v fazi oživitve . To neposredno vpliva na skupnosti, ki so prej imele le malo tehnoloških orodij, prilagojenih njihovi jezikovni realnosti.

Dodatek 110 novih jezikov s pomočjo PaLM 2 sega od pogosto uporabljenih do manj znanih jezikov, vključno z avtohtonimi jeziki in jeziki manjšin z malo maternimi govorci . Tehnologija omogoča skaliranje podpore tudi, ko je količina podatkov, ki so na voljo za učenje modelov, omejena.

Google poudarja, da je bila za mnoge od teh jezikov prednostna naloga spoštovanje prizadevanj za oživitev in ohranjanje kulturne dediščine , pri čemer je Prevajalnik uporabljen kot podporno orodje za dokumentacijo, izobraževanje in medgeneracijsko komunikacijo. Njihova prisotnost v Prevajalniku lahko znatno poveča njihovo prepoznavnost v digitalnem okolju.

Vendar pa podjetje pojasnjuje tudi, da vse funkcije niso na voljo v vseh novih jezikih . Uvedba prevajanja s kamero, prevajanja glasu in pretvorbe besedila v govor v nekatere jezike lahko traja dlje, saj zahtevajo posebne modele prepoznavanja rokopisa, fonetike in sinteze govora.

Kljub tem začetnim omejitvam je strategija jasna: postopno vključevanje jezikov in progresivno širjenje nabora povezanih funkcij . Umetna inteligenca omogoča, da z vsakim novim modelom in ciklom usposabljanja pokrije širši jezikovni spekter, ne da bi bila tako močno odvisna od priljubljenosti ali števila govorcev posameznega jezika.

Vpliv na turizem, poslovanje in bistvene storitve

Izboljšanje prevajanja in prihod glasovne komunikacije v realnem času nista le zanimiva tehnološka napredka; imata neposredne posledice za to, kako ljudje in organizacije komunicirajo v globaliziranem svetu . Sektorji, kot so turizem, zdravstvo, izobraževanje in mednarodna trgovina, že imajo oprijemljive koristi od teh orodij.

Predstavljajte si na primer potovanje v državo, katere jezika ne poznate: z neposrednim prevajanjem in slušalkami se lahko razmeroma tekoče pogovarjate s taksistom, hotelskim receptorjem ali turističnim vodnikom, ne da bi potrebovali profesionalne prevajalce. Ni popolno, vendar močno zmanjša trenje v vsakdanjih situacijah.

V poslovnem svetu se Google Translate in njegove nove zmogljivosti pozicionirajo kot podporno orodje za večjezično podporo strankam, mednarodna srečanja in interno usposabljanje . Čeprav se človeški tolmači še vedno uporabljajo v zelo kritičnih okoljih, lahko umetna inteligenca obvladuje številne interakcije z manjšim tveganjem z več kot sprejemljivo kakovostjo.

Google sam predstavlja te izboljšave kot del širše strategije za demokratizacijo pogovorne in kontekstualne umetne inteligence v soočenju s konkurenco, kot so Microsoft, Apple in Meta . Medtem ko Google Translate daje prednost splošni dostopnosti in integraciji med različnimi napravami, se Microsoft močno osredotoča na poslovna okolja, Apple na zasebnost znotraj svojega zaprtega ekosistema in izvorno integracijo, Meta pa raziskuje prevajanje v nosljivih napravah in obogateni resničnosti.

V javnih storitvah, izobraževanju in zdravstvu lahko sposobnost prevajanja pogovorov v realnem času v več kot 70 jezikov samo z mobilnim telefonom in slušalkami bistveno vpliva. To sega od pomoči pacientom, ki ne govorijo lokalnega jezika, do olajšanja dostopa do izobraževalnih gradiv ali bistvenih upravnih postopkov.

Vse te nove funkcije skupaj prevajalnik spremenijo iz preprostega hitrega pretvornika fraz v celovito platformo, ki zajema strojno prevajanje, jezikovno prakso in podporo za profesionalno in osebno komunikacijo . Vse to poganja umetna inteligenca Gemini in PaLM 2, ki obdeluje besedilo, glas in v nekaterih primerih celo vizualno vsebino.

Razvoj Google Prevajalnika jasno kaže, da je strojno prevajanje iz omejene in dobesedne pomoči prešlo v sistem, ki je vse bolj bližje razumevanju človeškega jezika, kjer so kontekst, ton, glasovna kadenca in uporabnikovi cilji prav tako pomembni kot same besede , kar nas nekoliko približa ideji, da lahko razumemo skoraj vsakogar, ne glede na jezik, ki ga govori.