Google Translate-ი Gemini AI-ის წყალობით ყურსასმენებით რეალურ დროში თარგმნაზე გადადის

El Google Translate ის გაშვების შემდეგ ერთ-ერთ ყველაზე დიდ ცვლილებას განიცდის. კომპანიამ დაიწყო ფუნქციის დანერგვა, რომელიც რეალურ დროში თარგმანი პირდაპირ თქვენს ყურსასმენებშიმხარდაჭერილია მისი ხელოვნური ინტელექტის მოდელის შესაძლებლობებით ტყუპებიიდეა მარტივია ასახსნელად, მაგრამ რთული განსახორციელებლად: რათა ყურსასმენებით თითქმის მყისიერად მოისმინოთ, რას ამბობს სხვა ადამიანი სხვა ენაზე, ერთი ნაკლებად რობოტული სინთეზური ხმა.

ეს ნაბიჯი Google-ის სტრატეგიას შეესაბამება, რომელიც Translate-ს უბრალო ტექსტის მთარგმნელზე მეტ საშუალებად გარდაქმნის. ახლა ის ისწრაფვის გახდეს ენების კომუნიკაციისა და შესწავლის ცენტრალური ინსტრუმენტიხელოვნური ინტელექტის გამოყენებით, როგორც ჟარგონისა და კულტურული ნიუანსების უკეთ გასაგებად, ასევე მომხმარებლის ყოველდღიურ პრაქტიკაში დასახმარებლად. ამ ეტაპზე, ახალი ფუნქცია ამოქმედდება კონკრეტულ ბაზრებზე და ბეტა ფაზაშითუმცა ეს აშკარად მიუთითებს გლობალურ გავრცელებაზე მომდევნო წლებში.

რეალურ დროში თარგმანი ნებისმიერი ყურსასმენით

ყველაზე შთამბეჭდავი თვისება ახალია ყურსასმენის საშუალებით პირდაპირი საუბრის თარგმნაის, რაც ადრე მხოლოდ კონკრეტული მოდელებით, როგორიცაა Pixel Buds, შემოიფარგლებოდა, ახლა ხელმისაწვდომია პრაქტიკულად ნებისმიერი ყურსასმენისთვის ან ყურსასმენებისთვის, რომლებიც თავსებადია თქვენს ტელეფონთან. თქვენ მხოლოდ აპლიკაციის ინსტალაცია გჭირდებათ. Google Translateშეაერთეთ ყურსასმენები და გადადით პირდაპირი თარგმანის რეჟიმში.

Android-ზე პროცესი მოიცავს აპლიკაციის გახსნას, საუბრის ენების არჩევას და ღილაკზე დაჭერას. „ცოცხალი თარგმანი“ (ცოცხალი თარგმანი). იქიდან, ტელეფონის მიკროფონი ის ავტომატურად აფიქსირებს, როდის საუბრობს თითოეული ადამიანი და რა ენაზე.ის რეალურ დროში ახდენს ტრანსკრიფციას, აუდიოს აგზავნის Google-ის სერვერებზე Gemini-ს მიერ დასამუშავებლად და თარგმანს ყურსასმენებით შედარებით მცირე დაყოვნებით უკრავს.

Google განმარტავს, რომ ხელოვნური ინტელექტი პასუხისმგებელია შეინარჩუნეთ ორიგინალური მომხსენებლის ტონი, კადენცია და აქცენტიეს საშუალებას გაძლევთ გაიგოთ არა მხოლოდ ნათქვამის შინაარსი, არამედ განზრახვის ნაწილიც: გაბრაზებულია თუ არა ვინმე, ხუმრობს თუ უფრო სერიოზული ტონით საუბრობს. ამავდროულად, მობილური ტელეფონის ეკრანზე ნაჩვენებია თარგმნილი საუბრის ჩანაწერი, რაც სასარგებლოა, თუ გსურთ გადახედოთ ნათქვამს ან შეეხოთ კონკრეტულ სეგმენტს მისი ხელახლა მოსასმენად.

ფუნქცია თავდაპირველად გამოიყენება როგორც Beta Translate აპლიკაციაში Androidშეზღუდული ხელმისაწვდომობით ისეთ ბაზრებზე, როგორიცაა ამერიკის შეერთებული შტატები, მექსიკა და ინდოეთიმიუხედავად ამისა, ენობრივი თავსებადობა ფართოა: სისტემას შეუძლია შემოგთავაზოთ ცოცხალი ხმოვანი თარგმანი 70-ზე მეტი ენა, ენობრივ წყვილებს შორის ათასობით შესაძლო კომბინაციით.

იმ შემთხვევაში, თუ iPhoneGoogle-მა დაადასტურა, რომ ყურსასმენებით რეალურ დროში თარგმნის ფუნქციაც დაემატება. თარჯიმნის აპლიკაცია iPhone-ზეთუმცა დანერგვა მოგვიანებით მოხდება. კომპანიამ დაისახა ჰორიზონტი 2026 წელს რეგიონების გაფართოება და ფუნქციის iOS-ზე გაშვებაეს ტოვებს მნიშვნელოვან ტესტირების პერიოდს, სანამ ის უფრო ფართოდ გავრცელდება ევროპასა და სხვა ქვეყნებში.

როგორ მუშაობს Live Translate და რას გთავაზობთ ის ყოველდღიურად

სათაურში ხელოვნური ინტელექტის გარდა, მომხმარებლის გამოცდილება მთავარია. რეჟიმის გააქტიურების შემდეგ „ცოცხალი თარგმანი“ აპლიკაციაში მომხმარებელს შეუძლია საუბარი ეკრანისთვის მუდმივად ყურების გარეშე. სისტემა ორიგინალის ხმაზე თარგმანის დაკვრა რომელსაც მიკროფონი იჭერს, რაც საშუალებას გაძლევთ, ყურსასმენებით ადევნოთ თვალი მოხსენებას, პრეზენტაციას ან თუნდაც გიდის თანხლებით დაგეგმილ ტურს.

შიდა ტესტებისა და ზოგიერთი სპეციალიზებული მედია საშუალების მიხედვით, შეყოვნება, როგორც წესი, ერთ წამზე ნაკლებია როდესაც მონაცემთა კავშირი სტაბილურია, ეს ზღვარი საკმარისია იმისათვის, რომ საუბარი საკმაოდ ბუნებრივად წარიმართოს, წინადადებებს შორის ხანგრძლივი პაუზების გარეშე. პრაქტიკული ეფექტი შესამჩნევია, მაგალითად, სხვა ენაზე ახსნის მოსმენისას ან კონფერენციაზე უცხოელი მომხსენებლის მოსმენისას.

სისტემის ერთ-ერთი ძლიერი მხარე ის არის, რომ ის არ საჭიროებს „ჭკვიან“ ყურსასმენებს ან ოფიციალურ მოდელებსნებისმიერი Bluetooth ან სადენიანი ყურსასმენი, რომელიც მობილურ ტელეფონთან მუშაობს, შეიძლება გამოყენებულ იქნას როგორც აუდიო გამომავალი თარგმანისთვის. ეს განასხვავებს მას უფრო დახურული გადაწყვეტილებებისგან, სადაც გარკვეული ფუნქციები შეზღუდულია კონკრეტული ბრენდის მოწყობილობებით და საშუალებას აძლევს მომხმარებლებს ისარგებლონ ამ ფუნქციით აპარატურის განახლების გარეშე.

პრაქტიკაში, შესრულება გარემოს მიხედვით განსხვავდება. ისეთ ადგილებში, სადაც ინტენსიური გარემოს ხმაური ან როდესაც ერთდროულად ბევრი ადამიანი საუბრობს, მეტყველების ამოცნობის შეცდომები იზრდება, რაც ნებისმიერ თანამედროვე სისტემაში ხშირია. Google მიუთითებს, რომ Gemini-ს აქვს მექანიზმები გაფილტრეთ ფონური ხმაური და ყურადღება გაამახვილეთ წამყვან ვოკალზეთუმცა, ის აღიარებს, რომ იდეალურ პირობებად რჩება შედარებით წყნარი ოთახები და მომხსენებლები, რომლებიც მკაფიოდ გამოთქვამენ აზრს.

კონკრეტული გამოყენების თვალსაზრისით, ინსტრუმენტი შექმნილია ისეთი სიტუაციებისთვის, როგორიცაა მოგზაურობები, სამუშაო შეხვედრები, გაკვეთილები, გასაუბრებები ან ადმინისტრაციული პროცედურები სხვა ენაზე. ცალმხრივი სცენარების შემთხვევაში (ვიღაც საუბრობს და დანარჩენები უსმენენ) გამოცდილება განსაკუთრებით შეუფერხებელია; ძალიან სწრაფი საუბრების დროს ან რამდენიმე თანამოსაუბრის შემთხვევაში, რომლებიც ერთმანეთს აწყვეტინებენ საუბარს, სისტემას შეიძლება უფრო მეტი სირთულე შეექმნას თითოეული ჩარევის სეგმენტირებაში.

ტყუპები: ხელოვნური ინტელექტი, რომელიც ცდილობს ნაკლებად რობოტულად ჟღერდეს

ამ ახალი ყურსასმენის ფუნქციისა და Google Translate-ის სხვა გაუმჯობესებების უკან დგას ტყუპებიGoogle-ის ენობრივი მოდელი, რომელსაც კომპანია თანდათანობით ინტეგრირებს ისეთ ძირითად პროდუქტებში, როგორიცაა Search და Translate, სიტყვასიტყვით თარგმნაზე მეტს ისახავს მიზნად. ფრაზების სრული მნიშვნელობის ინტერპრეტაცია.

პრაქტიკაში, ეს ითარგმნება, როგორც ნაკლებად სიტყვასიტყვითი და უფრო ბუნებრივი თარგმანებიეს განსაკუთრებით მაშინ ხდება, როდესაც სასაუბრო გამოთქმები, იდიომები ან ადგილობრივი ჟარგონი ერთვება სათავეში. ტიპური მაგალითები, როგორიცაა ინგლისური „stealing my thunder“ ან ესპანური გამოთქმები, როგორიცაა „me robó el pelo“ (მან ფეხი მომქაჩა), ხშირად უცნაურ შედეგებამდე მიგვიყვანს სიტყვასიტყვით თარგმნისას. Gemini-ს შემთხვევაში, სისტემა აანალიზებს კონტექსტს და გვთავაზობს ალტერნატივებს, რომლებიც უკეთ ასახავს ფრაზის რეალურ მნიშვნელობას სამიზნე ენაზე.

Google აცხადებს, რომ ეს მიდგომა საშუალებას იძლევა მეტყველების ნიმუშების, დახვეწილი ირონიების ან ტონის ცვლილებების უკეთ აღსაქმელადეს პირდაპირ გავლენას ახდენს სასაუბრო საუბრების თარგმანზე. ნეიტრალური შეტყობინების თარგმნა არ არის იგივე, რაც სარკასტული ფრაზის ან ნახევრად ხუმრობით გაკეთებული კომენტარის თარგმნა. მიუხედავად იმისა, რომ შეცდომის ზღვარი მაინც არსებობს, კომპანია აცხადებს, რომ მისი შიდა მეტრიკები აჩვენებს თარგმანის ხარისხის ორნიშნა გაუმჯობესება წინა სისტემებთან შედარებით, განსაკუთრებით ძალიან განსხვავებულ ენებს შორის.

ეს შესაძლებლობები მხოლოდ აუდიოთი არ შემოიფარგლება. ხელოვნური ინტელექტი ასევე მნიშვნელოვან როლს ასრულებს ტექსტისა და ვიზუალური კონტენტის თარგმნამაგალითად, მობილური ტელეფონის კამერით გადაღებული აბრები ან მენიუები. განსხვავება ისაა, რომ ახლა სისტემას შეუძლია შემოგთავაზოთ შედეგები უფრო ბუნებრივი სინტაქსური სტრუქტურებით, შემოგთავაზოთ ლექსიკის ალტერნატივები და, ზოგიერთ შემთხვევაში, ფორმალობის დონე კონტექსტის შესაბამისად მოარგოს.

მთელი ეს დამუშავება ხორციელდება ღრუბლოვანი რესურსების მოწყობილობაზე არსებულ ამოცანებთან გაერთიანებით. რთული სამუშაოს ნაწილი Google-ის სერვერებზე სრულდება, ხოლო ისეთი ელემენტები, როგორიცაა მეტყველების სინთეზი და გარკვეული ფილტრები, მობილურ მოწყობილობაზე მუშაობდეს. კომპანიის ცნობით, ბატარეის მოხმარება შედარებადია ხმოვანი ზარის ან მოკლე ვიდეო ზარის მოხმარებასთანამიტომ, ფუნქციის ხანდახან გამოსაყენებლად განსაკუთრებით მძლავრი აპარატურა არ დაგჭირდებათ.

თარგმანის მიღმა: თარგმნა, როგორც ენის შესწავლის ინსტრუმენტი

რეალურ დროში თარგმნასთან ერთად, Google აძლიერებს Translate-ის საგანმანათლებლო პროფილს. აპლიკაცია ახლა მოიცავს ხელოვნურ ინტელექტზე დაფუძნებული ენის შესწავლის ფუნქციები, ისეთი კონკრეტული პლატფორმების შესავსებად, როგორიცაა Duolingo ან მე ვთარგმნიმათი ჩანაცვლების გარეშე.

ახალ მახასიათებლებს შორის, გამოირჩევა შემდეგი: გაუმჯობესებული გამოთქმის უკუკავშირიეს ხელსაწყოები უფრო კონკრეტულ რჩევებს გვთავაზობს სასაუბრო ფრაზების პრაქტიკისას. მომხმარებელს შეუძლია გაიმეოროს გამოთქმა და მიიღოს უკუკავშირი რიტმზე, ინტონაციაზე ან ცუდად არტიკულირებულ ბგერებზე, რაც მათ მეტყველებას უფრო მშობლიური და ნაკლებად რობოტული გახდის.

აპლიკაციაში ასევე ინტეგრირებულია ზედიზედ რამდენიმე დღის ვარჯიშის სისტემაეს ფუნქცია აკონტროლებს, თუ რამდენი დღის განმავლობაში იქნა ინსტრუმენტი გამოყენებული სწავლისთვის. ამ ტიპის მექანიზმი, რომელიც ფართოდ არის გავრცელებული საგანმანათლებლო აპლიკაციებში, მიზნად ისახავს მოტივაციის შენარჩუნებას მცირე ყოველდღიური მიზნებისა და უწყვეტი პროგრესის განცდის მეშვეობით.

Google-ი ამ ვარიანტების დანერგვას იწყებს დაახლოებით 20 ქვეყანა და რეგიონი, საწყისი ყოფნით ისეთ ბაზრებზე, როგორიცაა გერმანია, ინდოეთი თუ შვედეთიევროპის უფრო მეტ ტერიტორიაზე გაფართოების პარალელურად, მოსალოდნელია, რომ აპლიკაცია უფრო გავრცელებული ვარიანტი გახდება მათთვის, ვინც არაფორმალურად ენებს სწავლობს, კურსებთან, გაკვეთილებთან ან... ვიდეოების თარგმნა ინგლისურიდან ესპანურად.

პარალელურად, კომპანია Google Labs-ში ექსპერიმენტებს ატარებს სამი უფასო სასწავლო გამოცდილებაესენია ისეთი წინადადებები, როგორიცაა სასარგებლო ლექსიკაზე ორიენტირებული მოკლე გაკვეთილები, ჟარგონისა და არაფორმალური გამოთქმებისადმი მიძღვნილი მოდულები და ვიზუალური აქტივობები, სადაც ხელოვნური ინტელექტი ამოიცნობს ფოტოზე არსებულ ობიექტებს და ასწავლის მათ სახელებს სხვა ენაზე. მიუხედავად იმისა, რომ ეს ტესტები მკაცრად არ წარმოადგენს Translate აპლიკაციის ნაწილს, ისინი მიუთითებენ ენობრივი ინსტრუმენტების უფრო ფართო ეკოსისტემაზე, რომლებიც ყველა ერთი და იგივე ხელოვნური ინტელექტის ძრავით არის აღჭურვილი.

შედარება Apple-თან და ევროპის როლთან

Google-ის მიდგომა ეწინააღმდეგება Apple-ის მიდგომას რეალურ დროში თარგმანის სფეროში. მიუხედავად იმისა, რომ კუპერტინოს კომპანიამ აირჩია ფუნქცია, რომელიც ინტეგრირებულია საკუთარ ეკოსისტემაში და დაკავშირებულია AirPods-ის კონკრეტული მოდელებიGoogle-მა აირჩია პროგრამული უზრუნველყოფის გადაწყვეტა, რომელიც თავსებადია ნებისმიერი სტანდარტული ყურსასმენიეს განსხვავება განსაკუთრებით შესამჩნევია იმ ბაზრებზე, სადაც მოწყობილობების მრავალფეროვნება ნორმაა, მაგალითად, ევროპული Android გარემო.

Apple-ი პრიორიტეტებს ანიჭებს ადგილობრივი აუდიო დამუშავებაანუ, სამუშაოს უმეტესი ნაწილი თავად iPhone-ზე ან iPad-ზე სრულდება. ეს უპირატესობას გვთავაზობს კონფიდენციალურობისა და კავშირის თვალსაზრისით, მაგრამ ზღუდავს სისტემის მასშტაბირებას და მხარდაჭერილი ენების რაოდენობას; სხვა გადაწყვეტილებები, როგორიცაა Microsoft გუნდებიისინი რეალურ დროში თარგმანს ამატებენ. Google, თავის მხრივ, უფრო ინტენსიურად იყენებს ღრუბელს, რაც მას საშუალებას აძლევს მართოს 70-ზე მეტი ენის კატალოგი ხმოვან თარგმანში და მოდელების ცენტრალიზებულად განახლება.

ევროპელი მომხმარებლის პერსპექტივიდან, Google-ის წინადადება შეიძლება უფრო მოქნილი ჩანდეს: პირდაპირი თარგმანის წვდომისთვის ყურსასმენების ან მობილური მოწყობილობის შეცვლა არ არის საჭირო. თუმცა, მნიშვნელოვანია გვახსოვდეს, რომ ფუნქცია ჯერ არ არის გააქტიურებული მთელ ევროპაშიმიუხედავად იმისა, რომ აპლიკაცია უკვე მოიცავს საუბრის თარგმნის რეჟიმს და სხვა მოწინავე ინსტრუმენტებს, ყურსასმენებით უწყვეტი მოსმენის ფუნქცია ქვეყნების მიხედვით თანდათანობით დანერგვას ექვემდებარება.

Google-მა არ წარმოადგინა დეტალური ვადები ესპანეთისთვის ან ევროკავშირის დანარჩენი ნაწილისთვის, მაგრამ ნათლად განაცხადა, რომ ეს ბეტა ფაზა ემსახურება... ლატენტობის რეგულირება, ადგილობრივი აქცენტის ამოცნობის გაუმჯობესება და სერვერებზე დატვირთვის შეფასება დაფარვის გაფართოებამდე. გონივრულია ვიფიქროთ, რომ ისეთი ფაქტორები, როგორიცაა ევროპული მონაცემთა რეგულაციები და ბალანსი ადგილობრივ და ღრუბლოვან დამუშავებას შორის, ასევე გავლენას მოახდენს დანერგვის ტემპზე.

მიუხედავად იმისა, რომ Apple-თან შედარება, როგორც წესი, მოხერხებულობასა და ინტეგრაციაზეა ორიენტირებული, ამ შემთხვევაში ისეთი საკითხები, როგორიცაა... აუდიო კონფიდენციალურობა და მგრძნობიარე მონაცემების მართვაGoogle-ი დაჟინებით მოითხოვს, რომ ხმაურის მოსაშორებლად ფილტრები გამოიყენოს და ინფორმაცია თარგმანის ხარისხის გასაუმჯობესებლად გამოიყენოს, თუმცა ამ საუბრების წარმოების შესახებ დისკუსია კვლავ აქტუალური დარჩება, განსაკუთრებით ისეთ რეგიონებში, სადაც მკაცრი რეგულაციებია, როგორიცაა ევროპა.

მთარგმნელი, რომელსაც სურს უხილავი შუამავალი გახდეს

ტექნიკური დეტალების გარდა, ამ განახლების მთავარი გზავნილი ის არის, რომ Google Translate-ი ისწრაფვის იყოს სულ უფრო და უფრო ფრთხილი შუამავალი იმ ადამიანებს შორის, რომლებიც ერთ ენას არ იზიარებენის არ უშვებს ახალ მოწყობილობებს და არ აიძულებს მომხმარებლებს ისწავლონ რთული ინტერფეისები: ის ეყრდნობა მობილურ ტელეფონებს, ჩვეულებრივ ყურსასმენებს და Gemini-ს მიერ წარმართულ უწყვეტ პროგრამულ უზრუნველყოფას.

პირდაპირი თარგმანის ფუნქცია ჯერ კიდევ ტესტირების ფაზაშია და ყველა ბაზარზე არ არის ხელმისაწვდომი, მაგრამ ის ნათლად ასახავს, ​​თუ საით მიემართება ინდუსტრია: უფრო სწრაფი თარგმანები, მეტი კონტექსტით და ჩვენი რეალური საუბრის მანერასთან უფრო ახლოსპარალელურად, ინტეგრირებული სასწავლო ინსტრუმენტები და ჟარგონისა და იდიომების გაუმჯობესებული დამუშავება მიუთითებს მთარგმნელის უფრო ყოველდღიურ გამოყენებაზე და არა მხოლოდ კონკრეტული მოგზაურობისთვის.

ჯერ კიდევ არსებობს აშკარა გამოწვევები, ხმაურიან გარემოში სიზუსტიდან დაწყებული, მაღალი ლოკალიზაციის ან კულტურული დამუხტვის მქონე გამოთქმების დამუშავებით დამთავრებული, რომ აღარაფერი ვთქვათ აუდიოს ღრუბელში გაგზავნის შედეგებზე. მიუხედავად ამისა, რამდენიმე წლის წინანდელი სიტყვასიტყვითი თარგმანიდან მნიშვნელოვანი ნახტომია: ბევრი მომხმარებლისთვის, შემდეგი ფაქტორების კომბინაცია... Gemini, Google Translate და რამდენიმე ჩვეულებრივი ყურსასმენი ეს უკვე საკმარისი ხდება საუბრებში გარკვეული სიმარტივით ორიენტირებისთვის, რაც ადრე ადამიანი თარჯიმნის გარეშე შეუძლებელი იყო.

ალბერტო ნავარო

მე ვარ ტექნოლოგიების ენთუზიასტი, რომელმაც თავისი „გიკის“ ინტერესები პროფესიად აქცია. ჩემი ცხოვრების 10 წელზე მეტი გავატარე უახლესი ტექნოლოგიის გამოყენებით და ყველა სახის პროგრამაში სუფთა ცნობისმოყვარეობის გამო. ახლა სპეციალიზირებული ვარ კომპიუტერულ ტექნოლოგიებსა და ვიდეო თამაშებში. ეს იმიტომ ხდება, რომ 5 წელზე მეტია ვწერ ტექნოლოგიებისა და ვიდეო თამაშების სხვადასხვა ვებსაიტებზე, ვქმნი სტატიებს, რომლებიც ცდილობენ მოგაწოდოთ თქვენთვის საჭირო ინფორმაცია ყველასთვის გასაგებ ენაზე.

თუ თქვენ გაქვთ რაიმე შეკითხვები, ჩემი ცოდნა მერყეობს Windows ოპერაციულ სისტემასთან და ასევე Android-თან დაკავშირებულ ყველაფერზე მობილური ტელეფონებისთვის. და ჩემი ვალდებულება არის თქვენ მიმართ, მე ყოველთვის მზად ვარ გავატარო რამდენიმე წუთი და დაგეხმაროთ გადაჭრას ნებისმიერი შეკითხვა, რომელიც შეიძლება გქონდეთ ამ ინტერნეტ სამყაროში.