Google Translate: Real-time na boses at AI para basagin ang mga hadlang sa wika

Informatec Digital » Kayamanan » Google Translate: Real-time na boses at AI para basagin ang mga hadlang sa wika

Ang paglalakbay, pakikipagtulungan sa mga internasyonal na koponan, o simpleng panonood ng mga video sa ibang wika ay nagiging karaniwan na, at sa lahat ng mga sitwasyong ito, ang mga hadlang sa wika ay hindi na malalampasan gamit lamang ang mga diksyunaryo o mga pangunahing tagasalin . Malaki ang isinusulong ng Google gamit ang Google Translate sa pamamagitan ng ganap na pagsasama ng Gemini artificial intelligence nito at iba pang mga modelo tulad ng PaLM 2 upang gawing mas natural, maayos, at kapaki-pakinabang ang pagsasalin ng teksto at boses sa pang-araw-araw na buhay.

Ang dating tagasalin na halos salita por salita ang gamit ay naghahangad na ngayon na maging isang uri ng personal na tagasalin na nakakaintindi ng konteksto, tono, at maging ng intonasyon ng mga pag-uusap . Bukod pa rito, ginagamit ng Google ang parehong teknolohiyang ito, hindi tulad ng ibang mga platform tulad ng DeepL , upang mag-alok ng mga tool sa pagsasanay ng wika sa loob ng app, na ginagawang mas maituturing na isang pribadong tutor ang Translate kaysa isang simpleng utility para mabuhay.

Umaasa ang Google Translate sa Gemini at PaLM 2 para mas maunawaan ang wika

Sa pagdating ng Gemini, muling idinisenyo ng Google kung paano pinoproseso ng tagasalin nito ang wika, umaasa sa mga modelo ng wika at mga neural network : hindi na lamang nito pinapalitan ang mga termino, kundi binibigyang-kahulugan din ang intensyon at buong konteksto ng mga pangungusap . Nagbibigay-daan ito sa mga idyoma, kolokyalismo, at kolokyalismo na maisalin nang mas malapit sa kung paano ito isasalin ng isang katutubong nagsasalita ng target na wika.

Sa pagsasagawa, nangangahulugan ito na natutukoy ng Google Translate kung kailan hindi dapat literal na isalin ang isang parirala, kundi sa pamamagitan ng katumbas na naaangkop sa kultura . Ang isang tipikal na halimbawa ay ang mga ekspresyong Ingles tulad ng "stealing my thunder," na sinusubukang isalin ng AI gamit ang aktwal na kahulugan nito at hindi bilang isang walang kabuluhang hanay ng mga salita na walang sinuman ang magsasabi sa Espanyol.

Ang pagpapabuting ito ay lalong kapansin-pansin sa mga pagsasalin ng teksto sa pagitan ng Ingles at halos dalawampung iba pang mga wika, kabilang ang Espanyol, Tsino, Hapon, Aleman, at Hindi . Sinimulan na ng Google ang paglulunsad ng mga pagpapahusay na ito sa Estados Unidos at India, kapwa sa mobile app at sa web na bersyon sa Google Chrome , at unti-unting palalawakin ang mga ito sa iba pang mga merkado habang pinipino ang mga modelo gamit ang mas maraming data at feedback ng user.

Kasama ng Gemini, ginamit din ng Google ang potensyal ng PaLM 2, isang modelo ng wika na may lubos na advanced na kakayahan sa multilingual na lubos na nagparami sa bilang ng mga wikang sinusuportahan ng Google Translate. Dahil sa engine na ito, nagdagdag ang kumpanya ng 110 bagong wika, mula sa Cantonese, isang matagal nang hinihiling na tampok, hanggang sa mga wikang minorya tulad ng Manx at mga wika ng mga katutubong komunidad.

Ginamit ang PaLM 2 upang matukoy ang mga kaugnay na wika at mapadali ang pagsasanay kapag limitado ang datos , halimbawa, sa kaso ng Awadhi at Marwadi. Bagama't hindi pa lahat ng mga bagong wika ay may parehong mga tampok (tulad ng pagsasalin ng kamera, pagsasalin ng boses, o text-to-speech), ang pagsulong na ito ay makabuluhan dahil nagsisilbi ito sa mahigit 614 milyong tao, humigit-kumulang 8% ng populasyon ng mundo.

Pagsasalin gamit ang boses sa totoong oras: mas natural na mga pag-uusap

Isa sa mga pinakakapansin-pansing pagbabago ay ang real-time na pagsasalin ng boses na idinisenyo para sa mga harapang pag-uusap . Sa halip na pindutin ang mga buton o basahin ang screen sa tuwing may magsasalita, ang AI ay nakikinig, nagsasalin, at nagpapakita ng resulta halos agad-agad.

Mayroon na ngayong "live translation" mode ang Google Translate na nagsasalin ng sinasabi ng mga nagsasalita at ipinapakita ito sa parehong wika sa screen . Kasabay nito, pinapatugtog nito ang naisaling audio, na nagbibigay-daan sa iyong sundan ito nang hindi kinakailangang patuloy na basahin ang bawat linya ng teksto na parang isang tuloy-tuloy na subtitle.

Upang makamit ito, gumagamit ang Google ng mga advanced na modelo ng pagkilala sa pagsasalita na idinisenyo upang ihiwalay ang mga tunog at bawasan ang ingay sa background . Ito ay lalong kapaki-pakinabang sa mga mapaghamong kapaligiran tulad ng mga cafe, paliparan, istasyon ng tren, o anumang masikip na lugar, kung saan maraming sistema ng pagkilala sa pagsasalita ang dating nahihirapang makilala ang pagkakaiba sa pagitan ng mga boses at ingay.

Ang sabay-sabay na tampok na pagsasalin na ito sa pamamagitan ng app ay magagamit na, sa unang yugto nito, sa mga gumagamit sa Estados Unidos, India, at Mexico, na may suporta para sa mahigit 70 wika . Kabilang dito ang mga pangunahing pandaigdigang wika tulad ng Espanyol, Arabic, Pranses, Hindi, Koreano, at Tamil, na ginagawa itong isang lubos na maraming gamit na tool para sa turismo, remote work, at pagsasanay.

Ang pinagbabatayang ideya ay, sa mga sitwasyon sa totoong buhay—isang appointment sa doktor, isang biglaang pagpupulong, paghingi ng direksyon, o pakikipagnegosasyon sa isang tindahan— ang mga paghinto, diin, at mga pagbabago sa intonasyon ay dapat ding maipakita sa pagsasalin . Sinusubukan ng Gemini na ayusin ang ritmo ng na-synthesize na boses at panatilihin, hangga't maaari, ang tono ng orihinal na nagsasalita, na ginagawang hindi gaanong robotic ang pakiramdam ng pag-uusap.

Mga headphone bilang personal na tagasalin: Live Translate sa iyong mga tainga

Bagama't praktikal na ang pagsasalin sa screen, ang susunod na hakbang ay mas ambisyoso: ang pagdadala ng pagsasalin ng boses nang direkta sa anumang pares ng headphone . Pinuno ng Google ang feature na ito upang hindi na ito umasa sa mga proprietary device tulad ng Pixel Buds, ngunit maaari nang gumana sa halos anumang modelo na nakakonekta sa iyong telepono.

Medyo simple lang ang paggana nito: ikinokonekta ng user ang kanilang headphones sa telepono, binubuksan ang Google Translate, at ina-activate ang Live Translate o "Real-time Translation" mode . Pagkatapos, pipiliin nila ang wikang gusto nilang isalin—o hahayaan silang awtomatikong ma-detect ito ng app—itinuturo ang telepono sa speaker, at hahayaan ang AI na gawin ang trabaho nito.

Habang nagsasalita ang nagsasalita sa kanilang sariling wika, pinoproseso ng Gemini ang audio, isinasalin ito, at ipinapadala ito sa headphones, kung saan itinatapat ang isinalin na boses sa orihinal . Kasabay nito, makikita ng gumagamit ang transcript ng diyalogo sa parehong wika sa screen, na nakakatulong sa pagsusuri ng bokabularyo o nagpapatibay sa pag-unawa kung natututo ng wika.

Ayon sa Google, ang sistema ay in-optimize upang mapanatili ang tono, diin, at ritmo ng orihinal na boses , na ginagawang hindi gaanong "robotiko" ang karanasan at mas parang pagbulong ng isang taong interpreter sa pagsasalin sa iyong tainga. Ang feature na ito ay partikular na kaakit-akit para sa mga business meeting, guided tour, kumperensya, o mga sitwasyon kung saan hindi komportable ang patuloy na pagbabasa mula sa iyong telepono.

Sa unang yugtong ito, ang real-time na pagsasalin gamit ang anumang headset ay ilulunsad bilang isang limitadong beta para sa Android sa Estados Unidos, Mexico, at India , na may suporta para sa mahigit 70 wika. Kinumpirma ng Google na ang parehong feature ay darating sa mga iPhone sa pamamagitan ng Google Translate app, ngunit ang compatibility ng iOS ay pinaplano para sa 2026, kaya ang mga gumagamit ng Apple ay kailangang maghintay nang kaunti pa.

Pagsasanay sa wika gamit ang AI: mula tagasalin hanggang sa katuwang sa pag-aaral

Hindi lang basta gusto ng Google na maging kapaki-pakinabang ang Translate para sa pag-eehersisyo habang naglalakbay o pag-unawa sa isang mahalagang email; layunin din nitong gawing plataporma ang app para sa personalized na pag-aaral at pagsasanay ng wika . Kaya naman nagdagdag ito ng mga partikular na tool na pinapagana ng AI upang mapabuti ang pag-uusap at pag-unawa sa pakikinig.

Isa sa mga bagong tampok ay ang personalized na conversation practice mode kung saan maaaring gayahin ng mga user ang mga totoong sitwasyon sa buhay . Mula sa impormal na pakikipag-chat sa mga kaibigan o pamilya hanggang sa mas pormal na konteksto tulad ng mga job interview, pag-aaral sa ibang bansa, o mga work meeting, ang AI ay bumubuo ng mga diyalogo na iniayon sa mga partikular na layunin ng bawat tao.

Kapag binuksan mo ang app sa iyong mobile device, maaari mong piliin ang wika kung saan ipapakita ang mga paliwanag at ang wikang nais mong pag-aralan , pati na rin piliin ang antas: basic, intermediate, o advanced. Ang mga antas na ito ay maaaring baguhin sa paglipas ng panahon habang umuunlad ang gumagamit, at awtomatikong inaayos ng app ang kahirapan ng mga aktibidad.

Pinagsasama ng tool ang mga aktibidad sa pag-unawa sa pakikinig at pagsasalita, kasama ang mga pagsasanay na ginagabayan ng AI na nagbibigay ng pagwawasto at gabay . Nakikinig ang user sa mga diyalogo, sumasagot sa mga tanong, umuulit ng mga parirala, o nakikipag-ugnayan sa mga kunwaring senaryo na nabuo ng system, na nag-aalok ng mga mungkahi para sa bokabularyo, mga istrukturang gramatikal, at mas natural na mga ekspresyon.

Maaari mo ring i-tap ang mga partikular na salita sa mga diyalogo upang makita ang kanilang kahulugan o mga pagkakaiba-iba ng paggamit , na magbibigay-daan sa iyong pinuhin ang iyong pag-unawa at matuto nang mas aktibo. Bukod pa rito, sinusubaybayan ng app ang iyong progreso at nagmumungkahi ng pang-araw-araw o lingguhang mga layunin, katulad ng iba pang mga platform sa pag-aaral ng wika, na tumutulong sa iyong manatiling motibado sa katagalan.

Sa ngayon, ang learning mode na ito ay nasa beta para sa mga nagsasalita ng Ingles na gustong matuto ng Espanyol o Pranses , at para sa mga nagsasalita ng Espanyol, Pranses, at Portuges na gustong mapabuti ang kanilang Ingles. Ipinahiwatig ng Google na palalawakin nito ang mga wika at kumbinasyon habang nangangalap ito ng datos ng paggamit at pinipino ang mga modelo ng pag-uusap na kasangkot.

Malawakang pagpapalawak ng mga wika at mga tampok batay sa wika

Ang pagpapahusay ng AI ay hindi lamang nagpapabuti sa kalidad ng mga pagsasalin, kundi nagpalawak din sa hanay ng mga wikang magagamit, kabilang ang mga may kaunting nagsasalita o sumasailalim sa muling pagpapasigla . Ito ay may direktang epekto sa mga komunidad na dating kakaunti ang mga kagamitang teknolohikal na iniangkop sa kanilang lingguwistikong realidad.

Ang pagdaragdag ng 110 bagong wika sa tulong ng PaLM 2 ay mula sa malawakang ginagamit na mga wika hanggang sa mga hindi gaanong kilala, kabilang ang mga katutubong wika at mga wikang minorya na may kaunting katutubong nagsasalita . Pinapayagan ng teknolohiyang ito ang pag-scale ng suporta kahit na limitado ang dami ng datos na magagamit para sa pagsasanay ng mga modelo.

Binigyang-diin ng Google na, para sa marami sa mga wikang ito, ang prayoridad ay ang paggalang sa mga pagsisikap sa muling pagpapasigla at pangangalaga ng kultura , gamit ang Translate bilang isang kasangkapang pansuporta para sa dokumentasyon, edukasyon, at komunikasyon sa pagitan ng mga henerasyon. Ang kanilang presensya sa Translate ay maaaring magbigay ng malaking tulong sa kanilang kakayahang makita sa digital na kapaligiran.

Gayunpaman, nilinaw din ng kumpanya na hindi lahat ng feature ay available sa lahat ng bagong wika . Ang pagsasalin gamit ang camera, pagsasalin gamit ang boses, at text-to-speech ay maaaring mas matagal bago mailunsad sa ilang wika, dahil nangangailangan ang mga ito ng mga partikular na modelo ng pagkilala sa sulat-kamay, ponetika, at sintesis ng pagsasalita.

Kahit na may mga panimulang limitasyon na ito, malinaw pa rin ang estratehiya: patuloy na unti-unting isama ang mga wika, unti-unting pinapalawak ang hanay ng mga kaugnay na tungkulin . Ginagawang posible ng AI na masakop ang mas malawak na saklaw ng wika sa bawat bagong modelo at siklo ng pagsasanay, nang hindi masyadong umaasa sa popularidad o bilang ng mga nagsasalita ng bawat wika.

Epekto sa turismo, negosyo, at mahahalagang serbisyo

Ang pagbuti ng mga pagsasalin at ang pagdating ng real-time na komunikasyon gamit ang boses ay hindi lamang mga kawili-wiling pagsulong sa teknolohiya; mayroon din itong direktang epekto sa kung paano nakikipag-ugnayan ang mga tao at organisasyon sa isang globalisadong mundo . Ang mga sektor tulad ng turismo, pangangalagang pangkalusugan, edukasyon, at internasyonal na kalakalan ay nakikinabang na sa mga kagamitang ito sa mga nasasalat na paraan.

Halimbawa, isipin ang isang paglalakbay sa isang bansang hindi mo alam ang wika: gamit ang live na pagsasalin at headphone, maaari kang makipag-usap nang maayos sa isang taxi driver, receptionist ng hotel, o tour guide nang hindi nangangailangan ng mga propesyonal na tagasalin. Hindi ito perpekto, ngunit lubos nitong nababawasan ang alitan sa pang-araw-araw na sitwasyon.

Sa mundo ng negosyo, ang Google Translate at ang mga bagong kakayahan nito ay nakaposisyon bilang isang tool na pansuporta para sa multilingual na serbisyo sa customer, mga internasyonal na pagpupulong, at panloob na pagsasanay . Bagama't ginagamit pa rin ang mga human interpreter sa mga lubhang kritikal na kapaligiran, kayang pangasiwaan ng AI ang maraming interaksyon na may mas mababang panganib na may higit sa katanggap-tanggap na kalidad.

Inilalahad mismo ng Google ang mga pagpapabuting ito bilang bahagi ng mas malawak na estratehiya upang gawing demokrasya ang conversational at contextual AI sa harap ng mga kakumpitensya tulad ng Microsoft, Apple, at Meta . Bagama't inuuna ng Google Translate ang pangkalahatang accessibility at integration sa iba't ibang device, ang Microsoft ay lubos na nakatuon sa mga corporate environment, ang Apple naman ay sa privacy sa loob ng closed ecosystem at native integration nito, at ang Meta naman ay nagsasaliksik ng pagsasalin sa mga wearable at augmented reality.

Sa mga serbisyong pampubliko, edukasyon, at pangangalagang pangkalusugan, ang kakayahang magsalin ng mga pag-uusap nang real time sa mahigit 70 wika gamit lamang ang isang mobile phone at headphone ay maaaring makagawa ng malaking pagbabago. Ito ay mula sa pagtulong sa mga pasyenteng hindi nagsasalita ng lokal na wika hanggang sa pagpapadali ng pag-access sa mga materyales pang-edukasyon o mahahalagang pamamaraang administratibo.

Kung pagsasama-samahin, binabago ng lahat ng mga bagong tampok na ito ang Tagasalin mula sa isang simpleng mabilisang pang-convert ng parirala patungo sa isang komprehensibong plataporma na sumasaklaw sa pagsasalin ng makina, pagsasanay sa wika, at suporta para sa parehong propesyonal at personal na komunikasyon . At lahat ng ito ay pinapagana ng AI ng Gemini at PaLM 2, na nagpoproseso ng teksto, boses, at maging ng visual na nilalaman sa ilang mga kaso.

Nilinaw ng ebolusyon ng Google Translate na ang machine translation ay mula sa pagiging limitado at literal na tulong ay naging isang sistemang lalong napalapit sa pag-unawa sa wika ng tao, kung saan ang konteksto, tono, ritmo ng boses, at mga layunin ng gumagamit ay mahalaga tulad ng mga salita mismo , na naglalapit sa atin nang kaunti sa ideya ng kakayahang maunawaan ang halos kahit sino, anuman ang wikang kanilang sinasalita.