Το Google Translate κάνει το άλμα στη μετάφραση σε πραγματικό χρόνο με ακουστικά χάρη στο Gemini AI

El Μετάφραση Google Υφίσταται μία από τις μεγαλύτερες αλλαγές από την κυκλοφορία του. Η εταιρεία έχει αρχίσει να διαθέτει μια λειτουργία για να μετάφραση σε πραγματικό χρόνο απευθείας στα ακουστικά σαςυποστηρίζεται από τις δυνατότητες του μοντέλου τεχνητής νοημοσύνης του GeminiΗ ιδέα είναι απλή στην εξήγηση αλλά περίπλοκη στην εφαρμογή της: ώστε να μπορείτε να ακούτε, σχεδόν αμέσως, τι λέει ένα άλλο άτομο σε μια άλλη γλώσσα μέσω των ακουστικών σας, με ένα λιγότερο ρομποτική συνθετική φωνή.

Αυτή η κίνηση εντάσσεται στη στρατηγική της Google να μετατρέψει το Translate σε κάτι περισσότερο από έναν απλό μεταφραστή κειμένου. Τώρα φιλοδοξεί να γίνει ένα κεντρικό εργαλείο για την επικοινωνία και την εκμάθηση γλωσσώνχρησιμοποιώντας την Τεχνητή Νοημοσύνη τόσο για την καλύτερη κατανόηση της αργκό και των πολιτισμικών αποχρώσεων όσο και για την υποστήριξη του χρήστη στην καθημερινή του πρακτική. Προς το παρόν, η νέα λειτουργία κυκλοφορεί το συγκεκριμένες αγορές και σε φάση betaαλλά σαφώς υποδηλώνει μια παγκόσμια κυκλοφορία τα επόμενα χρόνια.

Μετάφραση σε πραγματικό χρόνο με οποιοδήποτε ακουστικό

Το πιο εντυπωσιακό χαρακτηριστικό είναι το νέο ζωντανή μετάφραση συνομιλίας μέσω ακουστικώνΑυτό που προηγουμένως περιοριζόταν σε συγκεκριμένα μοντέλα όπως τα Pixel Buds, είναι πλέον διαθέσιμο σε σχεδόν οποιοδήποτε ακουστικό ή earbud συμβατό με το τηλέφωνό σας. Το μόνο που χρειάζεστε είναι να εγκαταστήσετε την εφαρμογή. Μετάφραση GoogleΣυνδέστε τα ακουστικά και αποκτήστε πρόσβαση στη λειτουργία ζωντανής μετάφρασης.

Στο Android, η διαδικασία περιλαμβάνει το άνοιγμα της εφαρμογής, την επιλογή των γλωσσών συνομιλίας και το πάτημα του κουμπιού. "Ζωντανή μετάφραση" (Ζωντανή Μετάφραση). Από εκεί, το μικρόφωνο του τηλεφώνου Ανιχνεύει αυτόματα πότε μιλάει κάθε άτομο και σε ποια γλώσσα.Μεταγράφει σε πραγματικό χρόνο, στέλνει τον ήχο στους διακομιστές της Google για επεξεργασία από την Gemini και αναπαράγει τη μετάφραση μέσω των ακουστικών με σχετικά μικρή καθυστέρηση.

Η Google εξηγεί ότι η Τεχνητή Νοημοσύνη είναι υπεύθυνη για διατηρήστε τον τόνο, τον ρυθμό και την έμφαση του αρχικού ομιλητήΑυτό σας επιτρέπει να κατανοήσετε όχι μόνο το περιεχόμενο των όσων λέγονται, αλλά και μέρος της πρόθεσης: αν κάποιος είναι θυμωμένος, αστειεύεται ή μιλάει με πιο σοβαρό τόνο. Ταυτόχρονα, εμφανίζεται στην οθόνη του κινητού ένα αντίγραφο της μεταφρασμένης συνομιλίας, κάτι χρήσιμο αν θέλετε να ελέγξετε τι ειπώθηκε ή να πατήσετε σε ένα συγκεκριμένο τμήμα για να το ακούσετε ξανά.

Η λειτουργία αρχικά αναπτύσσεται ως beta έκδοση στην εφαρμογή Μετάφραση για Android, με περιορισμένη διαθεσιμότητα σε αγορές όπως Ηνωμένες Πολιτείες, Μεξικό και ΙνδίαΑκόμα κι έτσι, η γλωσσική συμβατότητα είναι ευρεία: το σύστημα είναι ικανό να προσφέρει ζωντανή φωνητική μετάφραση σε περισσότερες από 70 γλώσσες, με χιλιάδες πιθανούς συνδυασμούς μεταξύ γλωσσικών ζευγών.

Στην περίπτωση του iPhoneΗ Google επιβεβαίωσε ότι η μετάφραση σε πραγματικό χρόνο με ακουστικά θα είναι επίσης διαθέσιμη... Εφαρμογή μεταφραστή σε iPhoneαν και η κυκλοφορία θα πραγματοποιηθεί αργότερα. Η εταιρεία έχει θέσει ως ορίζοντα 2026 για επέκταση περιοχών και κυκλοφορία της λειτουργίας σε iOSΑυτό αφήνει μια σημαντική περίοδο δοκιμών προτού μπορέσει να εφαρμοστεί ευρύτερα στην Ευρώπη και σε άλλες χώρες.

Πώς λειτουργεί η Ζωντανή Μετάφραση και τι προσφέρει σε καθημερινή βάση

Πέρα από την κύρια τεχνητή νοημοσύνη, η εμπειρία χρήστη είναι το κλειδί. Μόλις ενεργοποιηθεί η λειτουργία "Ζωντανή μετάφραση" Στην εφαρμογή, ο χρήστης μπορεί να συνομιλήσει χωρίς να κοιτάζει συνεχώς την οθόνη. Το σύστημα Αναπαράγει τη μετάφραση πάνω από την αρχική φωνή το οποίο λαμβάνει το μικρόφωνο, επιτρέποντάς σας να παρακολουθήσετε μια ομιλία, μια παρουσίαση ή ακόμα και μια ξενάγηση φορώντας ακουστικά.

Σύμφωνα με εσωτερικές δοκιμές και ορισμένα εξειδικευμένα μέσα ενημέρωσης, το Η καθυστέρηση διατηρείται γενικά κάτω από ένα δευτερόλεπτο Όταν η σύνδεση δεδομένων είναι σταθερή, αυτό το περιθώριο επαρκεί για να ρέει η συζήτηση αρκετά φυσικά, χωρίς να επιβάλλονται μεγάλες παύσεις μεταξύ των προτάσεων. Το πρακτικό αποτέλεσμα είναι αισθητό, για παράδειγμα, όταν παρακολουθείτε μια εξήγηση σε άλλη γλώσσα ή ακούτε έναν ξένο ομιλητή σε ένα συνέδριο.

Ένα από τα δυνατά σημεία του συστήματος είναι ότι Δεν απαιτεί "έξυπνα" ακουστικά ή επίσημα μοντέλαΟποιοδήποτε Bluetooth ή ενσύρματο ακουστικό που λειτουργεί με κινητό τηλέφωνο μπορεί να χρησιμεύσει ως έξοδος ήχου για μετάφραση. Αυτό το διαφοροποιεί από πιο κλειστές λύσεις, όπου ορισμένες λειτουργίες περιορίζονται σε συσκευές συγκεκριμένης μάρκας, και επιτρέπει στους χρήστες να επωφελούνται από τη λειτουργία χωρίς να χρειάζεται να αναβαθμίσουν το υλικό τους.

Στην πράξη, η απόδοση ποικίλλει ανάλογα με το περιβάλλον. Σε μέρη με έντονος θόρυβος περιβάλλοντος Ή με πολλά άτομα να μιλούν ταυτόχρονα, τα σφάλματα αναγνώρισης ομιλίας αυξάνονται, κάτι συνηθισμένο σε οποιοδήποτε τρέχον σύστημα. Η Google υποδεικνύει ότι η Gemini ενσωματώνει μηχανισμούς για Φιλτράρετε μέρος του θορύβου του περιβάλλοντος και εστιάστε στα κύρια φωνητικάΑλλά αναγνωρίζει ότι οι ιδανικές συνθήκες παραμένουν σχετικά ήσυχα δωμάτια και ομιλητές που αρθρώνουν καθαρά.

Όσον αφορά τις συγκεκριμένες χρήσεις, το εργαλείο έχει σχεδιαστεί για καταστάσεις όπως ταξίδια, συναντήσεις εργασίας, μαθήματα, συνεντεύξεις ή διοικητικές διαδικασίες σε άλλη γλώσσα. Σε μονόδρομα σενάρια (κάποιος μιλάει και οι υπόλοιποι ακούν) η εμπειρία είναι ιδιαίτερα ομαλή. Σε πολύ γρήγορες συνομιλίες ή με αρκετούς συνομιλητές που διακόπτουν ο ένας τον άλλον, το σύστημα μπορεί να έχει μεγαλύτερη δυσκολία στην τμηματοποίηση κάθε παρέμβασης.

Gemini: η Τεχνητή Νοημοσύνη που προσπαθεί να ακούγεται λιγότερο ρομποτική

Πίσω από αυτή τη νέα λειτουργία ακουστικών και τις υπόλοιπες βελτιώσεις στο Google Translate βρίσκεται GeminiΤο γλωσσικό μοντέλο της Google, το οποίο η εταιρεία ενσωματώνει σταδιακά σε βασικά προϊόντα όπως η Αναζήτηση και η Μετάφραση, στοχεύει να προχωρήσει πέρα ​​από την απλή μετάφραση λέξη προς λέξη. ερμηνεύστε την πλήρη σημασία των φράσεων.

Στην πράξη, αυτό μεταφράζεται σε λιγότερο κυριολεκτικές και πιο φυσικές μεταφράσειςΑυτό ισχύει ιδιαίτερα όταν χρησιμοποιούνται καθομιλουμένες εκφράσεις, ιδιωματισμοί ή τοπική αργκό. Τυπικά παραδείγματα όπως η αγγλική φράση «stealing my thunder» ή ισπανικές εκφράσεις όπως «me robó el pelo» (τράβηξε το πόδι μου) συχνά οδηγούν σε παράξενα αποτελέσματα όταν μεταφράζονται κυριολεκτικά. Με το Gemini, το σύστημα αναλύει τα συμφραζόμενα και προτείνει εναλλακτικές λύσεις που αντικατοπτρίζουν καλύτερα την πραγματική σημασία της φράσης στη γλώσσα-στόχο.

Η Google ισχυρίζεται ότι αυτή η προσέγγιση επιτρέπει για να αποτυπώσετε καλύτερα τα μοτίβα ομιλίας, τις ανεπαίσθητες ειρωνείες ή τις αλλαγές στον τόνοΑυτό επηρεάζει άμεσα τη μετάφραση των προφορικών συνομιλιών. Η μετάφραση ενός ουδέτερου μηνύματος δεν είναι το ίδιο με τη μετάφραση μιας σαρκαστικής φράσης ή ενός σχολίου που γίνεται μισοαστειευόμενο. Παρόλο που εξακολουθεί να υπάρχει ένα περιθώριο σφάλματος, η εταιρεία ισχυρίζεται ότι οι εσωτερικές της μετρήσεις δείχνουν διψήφιες βελτιώσεις στην ποιότητα των μεταφράσεων σε σύγκριση με προηγούμενα συστήματα, ειδικά μεταξύ πολύ διαφορετικών γλωσσών.

Αυτές οι δυνατότητες δεν περιορίζονται στον ήχο. Η Τεχνητή Νοημοσύνη παίζει επίσης ρόλο στην μετάφραση κειμένου και οπτικού περιεχομένουόπως πινακίδες ή μενού που φωτογραφήθηκαν με κάμερα κινητού τηλεφώνου. Η διαφορά είναι ότι τώρα το σύστημα μπορεί να προσφέρει αποτελέσματα με πιο φυσικές συντακτικές δομές, να προτείνει εναλλακτικές λύσεις λεξιλογίου και, σε ορισμένες περιπτώσεις, να προσαρμόζει το επίπεδο τυπικότητας ανάλογα με τα συμφραζόμενα.

Όλη αυτή η επεξεργασία γίνεται συνδυάζοντας πόρους cloud με εργασίες στην ίδια τη συσκευή. Μέρος της βαριάς εργασίας γίνεται στους διακομιστές της Google, ενώ στοιχεία όπως η σύνθεση ομιλίας και ορισμένα φίλτρα χειρίζονται στην κινητή συσκευή. Σύμφωνα με την εταιρεία, η Η κατανάλωση μπαταρίας είναι συγκρίσιμη με αυτήν μιας φωνητικής κλήσης ή μιας σύντομης βιντεοκλήσηςΕπομένως, δεν θα χρειαστείτε ιδιαίτερα ισχυρό υλικό για να χρησιμοποιήσετε τη λειτουργία περιστασιακά.

Πέρα από τη μετάφραση: Η μετάφραση ως εργαλείο για την εκμάθηση γλωσσών

Παράλληλα με τη μετάφραση σε πραγματικό χρόνο, η Google ενισχύει το εκπαιδευτικό προφίλ της Translate. Η εφαρμογή ενσωματώνει πλέον Λειτουργίες εκμάθησης γλωσσών που βασίζονται στην τεχνητή νοημοσύνη, με στόχο τη συμπλήρωση συγκεκριμένων πλατφορμών όπως το Duolingo ή μεταφράζωχωρίς να τα αντικαταστήσετε.

Μεταξύ των νέων χαρακτηριστικών, το βελτιωμένη ανατροφοδότηση προφοράςΑυτά τα εργαλεία προσφέρουν πιο συγκεκριμένες προτάσεις κατά την εξάσκηση προφορικών φράσεων. Ο χρήστης μπορεί να επαναλάβει μια έκφραση και να λάβει σχόλια σχετικά με τον ρυθμό, τον τονισμό ή ήχους με κακή άρθρωση, βοηθώντας την ομιλία του να γίνει πιο φυσική και λιγότερο ρομποτική.

Η εφαρμογή έχει επίσης ενσωματώσει ένα σύστημα σειρών ή συνεχόμενες ημέρες προπόνησηςΑυτή η λειτουργία παρακολουθεί πόσες συνεχόμενες ημέρες έχει χρησιμοποιηθεί το εργαλείο για μελέτη. Αυτός ο τύπος μηχανισμού, ευρέως διαδεδομένος στις εκπαιδευτικές εφαρμογές, στοχεύει στη διατήρηση του κινήτρου μέσω μικρών καθημερινών στόχων και μιας αίσθησης συνεχούς προόδου.

Η Google αρχίζει να διαθέτει αυτές τις επιλογές περίπου 20 χώρες και περιοχές, με αρχική παρουσία σε αγορές όπως Γερμανία, Ινδία ή ΣουηδίαΚαθώς επεκτείνεται σε περισσότερες ευρωπαϊκές περιοχές, η εφαρμογή αναμένεται να γίνει μια πιο κοινή επιλογή για όσους εξασκούν τις γλώσσες άτυπα, συνδυάζοντάς την με μαθήματα, μαθήματα ή Μεταφράστε βίντεο από τα Αγγλικά στα Ισπανικά.

Παράλληλα, η εταιρεία πειραματίζεται στα Google Labs με τρεις δωρεάν μαθησιακές εμπειρίεςΑυτές περιλαμβάνουν προτάσεις όπως σύντομα μαθήματα που επικεντρώνονται σε χρήσιμο λεξιλόγιο, ενότητες αφιερωμένες στην αργκό και τις άτυπες εκφράσεις, καθώς και οπτικές δραστηριότητες όπου η Τεχνητή Νοημοσύνη αναγνωρίζει αντικείμενα σε μια φωτογραφία και διδάσκει τα ονόματά τους σε μια άλλη γλώσσα. Ενώ αυτές οι δοκιμές δεν αποτελούν αυστηρά μέρος της εφαρμογής Translate, υποδεικνύουν ένα ευρύτερο οικοσύστημα γλωσσικών εργαλείων, όλα τροφοδοτούμενα από την ίδια μηχανή Τεχνητής Νοημοσύνης.

Σύγκριση με την Apple και τον ρόλο της Ευρώπης

Η προσέγγιση της Google έρχεται σε αντίθεση με αυτήν της Apple στον τομέα της μετάφρασης σε πραγματικό χρόνο. Ενώ η εταιρεία από το Κουπερτίνο έχει επιλέξει μια λειτουργία ενσωματωμένη στο δικό της οικοσύστημα και συνδεδεμένη με συγκεκριμένα μοντέλα AirPodsΗ Google έχει επιλέξει μια λύση που βασίζεται σε λογισμικό και είναι συμβατή με οποιοδήποτε τυπικό ακουστικόΑυτή η διαφορά είναι ιδιαίτερα αισθητή σε αγορές όπου η ποικιλία συσκευών είναι ο κανόνας, όπως το ευρωπαϊκό περιβάλλον Android.

Η Apple δίνει προτεραιότητα τοπική επεξεργασία ήχουΔηλαδή, το μεγαλύτερο μέρος της εργασίας γίνεται στο ίδιο το iPhone ή το iPad. Αυτό προσφέρει πλεονεκτήματα όσον αφορά την προστασία της ιδιωτικής ζωής και τη συνδεσιμότητα, αλλά περιορίζει την επεκτασιμότητα του συστήματος και τον αριθμό των υποστηριζόμενων γλωσσών. Άλλες λύσεις, όπως π.χ. Οι ομάδες της MicrosoftΠροσθέτουν μετάφραση σε πραγματικό χρόνο. Η Google, από την πλευρά της, κάνει πιο εντατική χρήση του cloud, το οποίο της επιτρέπει να διαχειρίζεται ένα κατάλογος με πάνω από 70 γλώσσες σε φωνητική μετάφραση και να ενημερώνουν τα μοντέλα κεντρικά.

Από την οπτική γωνία ενός Ευρωπαίου χρήστη, η πρόταση της Google μπορεί να φαίνεται πιο ευέλικτη: δεν απαιτεί αλλαγή ακουστικών ή κινητής συσκευής για πρόσβαση στη ζωντανή μετάφραση. Ωστόσο, είναι σημαντικό να έχετε κατά νου ότι Η λειτουργία δεν έχει ακόμη ενεργοποιηθεί σε όλη την ΕυρώπηΠαρόλο που η εφαρμογή περιλαμβάνει ήδη λειτουργία μετάφρασης συνομιλιών και άλλα προηγμένα εργαλεία, η συνεχής ακρόαση με ακουστικά εξακολουθεί να υπόκειται σε σταδιακή κυκλοφορία ανά χώρα.

Η Google δεν έχει προσφέρει λεπτομερές χρονοδιάγραμμα για την Ισπανία ή την υπόλοιπη ΕΕ, αλλά έχει καταστήσει σαφές ότι αυτή η φάση beta θα χρησιμεύσει για να Ρύθμιση της καθυστέρησης, βελτίωση της αναγνώρισης τοπικής προφοράς και αξιολόγηση του φόρτου στους διακομιστές τους πριν από την επέκταση της κάλυψης. Είναι λογικό να πιστεύουμε ότι παράγοντες όπως οι ευρωπαϊκοί κανονισμοί δεδομένων και η ισορροπία μεταξύ επεξεργασίας εντός εγκαταστάσεων και επεξεργασίας στο cloud θα επηρεάσουν επίσης τον ρυθμό ανάπτυξης.

Αν και οι συγκρίσεις με την Apple συνήθως επικεντρώνονται στην ευκολία και την ενσωμάτωση, σε αυτήν την περίπτωση ζητήματα όπως... Απόρρητο ήχου και διαχείριση ευαίσθητων δεδομένωνΗ Google επιμένει ότι εφαρμόζει φίλτρα για την αφαίρεση του θορύβου και ότι οι πληροφορίες χρησιμοποιούνται για τη βελτίωση της ποιότητας της μετάφρασης, αλλά η συζήτηση σχετικά με τον τρόπο χειρισμού αυτών των συνομιλιών θα παραμείνει στο τραπέζι, ειδικά σε περιοχές με αυστηρούς κανονισμούς όπως η Ευρώπη.

Ένας μεταφραστής που θέλει να γίνει ένας αόρατος μεσάζων

Πέρα από τις τεχνικές λεπτομέρειες, το μήνυμα αυτής της ενημέρωσης είναι ότι το Google Translate φιλοδοξεί να γίνει ένα ένας ολοένα και πιο διακριτικός ενδιάμεσος μεταξύ ανθρώπων που δεν μοιράζονται την ίδια γλώσσαΔεν λανσάρει νέες συσκευές ούτε αναγκάζει τους χρήστες να μάθουν περίπλοκες διεπαφές: βασίζεται σε κινητά τηλέφωνα, συμβατικά ακουστικά και συνεχείς βελτιώσεις λογισμικού που καθοδηγούνται από την Gemini.

Η λειτουργία ζωντανής μετάφρασης βρίσκεται ακόμη σε δοκιμαστικό στάδιο και δεν είναι διαθέσιμη σε όλες τις αγορές, αλλά δείχνει ξεκάθαρα προς τα πού οδεύει ο κλάδος: Ταχύτερες μεταφράσεις, με περισσότερο περιεχόμενο και πιο κοντά στον τρόπο που μιλάμε στην πραγματικότηταΠαράλληλα, τα ενσωματωμένα εργαλεία εκμάθησης και ο βελτιωμένος χειρισμός της αργκό και των ιδιωματισμών υποδεικνύουν μια πιο καθημερινή χρήση του Μεταφραστή, όχι μόνο για την κάλυψη ενός συγκεκριμένου ταξιδιού.

Υπάρχουν ακόμη προφανείς προκλήσεις, από την ακρίβεια σε θορυβώδη περιβάλλοντα έως τον χειρισμό εκφράσεων με έντονη τοπική ή πολιτισμική φόρτιση, για να μην αναφέρουμε τις επιπτώσεις της αποστολής ήχου στο cloud. Ακόμα κι έτσι, το άλμα από την κυριολεκτική μετάφραση πριν από λίγα χρόνια είναι σημαντικό: για πολλούς χρήστες, ο συνδυασμός... Gemini, Google Translate και μερικά κανονικά ακουστικά Αρχίζει να είναι αρκετό να πλοηγούμαστε με κάποια ευκολία σε συζητήσεις που προηγουμένως θα ήταν αδύνατες χωρίς έναν άνθρωπο διερμηνέα.

Αλμπέρτο ​​Ναβάρο

Είμαι λάτρης της τεχνολογίας που έχει μετατρέψει τα «γκικ» ενδιαφέροντά του σε επάγγελμα. Έχω περάσει περισσότερα από 10 χρόνια της ζωής μου χρησιμοποιώντας τεχνολογία αιχμής και ασχολούμαι με όλα τα είδη προγραμμάτων από καθαρή περιέργεια. Τώρα έχω ειδικευτεί στην τεχνολογία υπολογιστών και στα βιντεοπαιχνίδια. Αυτό οφείλεται στο γεγονός ότι για περισσότερα από 5 χρόνια εργάζομαι γράφοντας για διάφορους ιστότοπους σχετικά με την τεχνολογία και τα βιντεοπαιχνίδια, δημιουργώντας άρθρα που επιδιώκουν να σας δώσουν τις πληροφορίες που χρειάζεστε σε μια γλώσσα κατανοητή από όλους.

Αν έχετε απορίες, οι γνώσεις μου κυμαίνονται από οτιδήποτε σχετίζεται με το λειτουργικό σύστημα Windows καθώς και με Android για κινητά τηλέφωνα. Και η δέσμευσή μου είναι απέναντί ​​σας, είμαι πάντα πρόθυμος να αφιερώσω λίγα λεπτά και να σας βοηθήσω να επιλύσετε τυχόν απορίες που μπορεί να έχετε σε αυτόν τον κόσμο του Διαδικτύου.