Iedomājieties, ka runājat ar svešinieku, bet mobilā tālruņa robotiskās balss vietā austiņā dzirdat plūstošu tulkojumu. Turklāt ar sākotnējā runātāja intonāciju un balss tembru. Google tulkotājs tikko ir laidis klajā tehnoloģiju, kas pilnībā nojauks valodu barjeras. Mašīntulkošana Google šogad svin savu divdesmito gadadienu, un uzņēmums lepojas, ka tā produkti tagad tulko vairāk nekā triljonu vārdu mēnesī. Jauns audio modelis Gemini 3.5 Tiešraides tulkošanas mērķis ir pacelt visu disciplīnu jaunā līmenī. Aizmirstiet par tradicionālo teksta tulkošanu un neveiklo koncepciju, proti, ir jāizrunā teikums, jāgaida, kamēr tas tiek apstrādāts, un pēc tam jāatskaņo rezultāts. Google virzās uz nemanāmu sinhrono tulkošanu, kādu mēs pazīstam no profesionāļiem.
Jaunais modelis spēj tulkot runāto valodu praktiski reāllaikā vairāk nekā 70 valodās. Atšķirībā no vecākiem risinājumiem, tas negaida, kamēr runātājs beigs runāt. Tas tulko nepārtraukti, tikai dažas sekundes paliekot aiz runātāja, vienlaikus saglabājot viņa intonāciju, tempu un runas augstumu. Iegūtais tulkojums vienkārši izklausās kā sākotnējais runātājs. Galvenais jauninājums ir nepārtraukta runas ģenerēšana. Modelis pastāvīgi inteliģenti līdzsvaro, vai gaidīt papildu kontekstu (un tādējādi uzlabot tulkojuma kvalitāti) vai tulkot nekavējoties un sekot līdzi runātājam. Rezultāts ir plūstoša runa bez nedabiskām pauzēm. Turklāt nav nepieciešams manuāli iestatīt valodu. Modelis pats atpazīst vairāk nekā 70 valodas un var viegli tikt galā ar daudzvalodu sarunām vai trokšņainu vidi.
Jaunajā “klausīšanās režīmā” jūs vienkārši turat tālruni pie auss, it kā runātu pa tālruni ar kādu citu. Pēc tam jūs varat diskrēti dzirdēt tulkojumu tieši no tālruņa uztvērēja, kas pilnībā maina personiskās komunikācijas dinamiku svešā vidē. Vairs nav jātur roka ar displeju svešinieka sejas priekšā. Jaunā funkcija pakāpeniski tiks ieviesta videozvanos. Google MeetRunas tulkošana tur vispirms nonāks kā daļa no privātas testēšanas atlasītiem Google Workspace biznesa klientiem, un Google sola plašāku ieviešanu vēlāk šogad. Izstrādātājiem šis modelis ir pieejams, izmantojot Gemini Tiešraides API. Piemēram, starp pirmajiem, kas to testē, ir Āzijas transporta platforma Grab saziņai starp autovadītājiem un pasažieriem — tikai caur tās lietojumprogrammu ik mēnesi tiek veikti vairāk nekā 10 miljoni balss zvanu. Platformas vadība galvenokārt slavē automātisko valodas noteikšanu un ārkārtīgi zemo latentumu.
Tehnoloģija, kas spēj runāt svešvalodā jūsu pašu balsī, protams, ir divvirzienu zobens. Lai novērstu dziļviltojumu un dezinformācijas izplatīšanos, visam modeļa ģenerētajam audio ir nedzirdama digitālā ūdenszīme ar nosaukumu SynthID. Tas nākotnē nodrošina uzticamu mākslīgā intelekta satura atpazīšanu. Ar šo soli Google ievērojami nostiprina savu konkurētspēju. Apple nesen veicu likmi uz tiešraides tulkojumu AirPodech un Samsung masveidā iespiež savu mākslīgā intelekta tulku tieši savos tālruņos GalaxyTomēr jaunais Google produkts lieliski darbojas ar čehu un slovāku valodu, un saskaņā ar mūsu pirmajiem testiem tulkojuma kvalitāte ir augstākajā līmenī. Vienfunkcionālu aparatūras tulkotāju ražotājiem būs arvien grūtāk.
Kā nekavējoties aktivizēt funkciju?
- Atjauniniet lietotni Google tulkotājs lietotņu veikalā (Google Play / App Store).
- Pēc lietojumprogrammas atvēršanas pieskarieties ikonai “Sarunas”.
- Atlasiet jauno vienumu “Klausīšanās” un noklikšķiniet uz “Sākt”.
- Pieliec telefonu pie auss un sāc klausīties.chat apkārtni.
Saskaņā ar mūsu pirmajiem redakcionālajiem testiem, funkcija darbojas ļoti uzticami un pārsteidzoši precīzi atdarina oriģinālo runātāju balsis. Ko jūs domājat par šo zinātniskās fantastikas jaunumu? Dalieties ar mums diskusijā.
Un šajā pasaulē Siri nerunā čehu valodā. Skumji.
Piekrītu, tas ir smieklīgi.
Un Piksels, kurš tikai smejas
Es mēģināju noskatīties Dienvidkorejas filmu oriģinālvalodā. Sajūta bija tāda, it kā es būtu atgriezies videokasešu un ātrās dublēšanas laikos.
Un kā tev izdevās to dabūt darbā? Es redzu piedāvājumu tur, bet nevaru uz tā noklikšķināt (tas ir pelēks, kā attēlā rakstā). Paldies par jebkuru padomu 😉👍🏻
Droši vien tāpēc, ka tev nebija pievienotas austiņas. Un pārliecinies, ka lietotne ir atjaunināta — vecajā iPad tās nebija, bet tā ir pēc atjauninājuma.
Un svarīgi ir tas, vai sapratāt saturu vai nē, — bez maksas un nekavējoties, un jūs saprotat. Pilnība nav bez maksas.
Tieši tā... Tas iztulkoja vārdus, kaut kā saderēja ar subtitriem, bet, koncentrējoties uz citu balsi, nu, tas nebija gluži tas pats. Drīzāk lai katrs pats izmēģina un spriež. Tas attīstīsies laika gaitā. Piemēram, Netflix un citi padarīs pieejamu kādu API/izveidos interpretējošu mākslīgo intelektu.
Es nezinu, ko daru nepareizi, bet izvēlne ir, bet es to nevaru atlasīt 🤷♂️ Tā ir "pelēka", tāpat kā attēlos rakstā, tāpēc es nezinu? Vai tā ir pieejama vai nē?!
Es to testēju, un, spēlējot Far Cry 6, tas bieži neizdodas. Dažreiz tas neko netulko, dažreiz tas to pasaka minūtes laikā, bet dažreiz tas nogriež un atkārto vienu vārdu 30 reizes, kas ir neprātīgi. Bet es saprotu, ka ir mūzika un efekti, man tad viss būtu jāizslēdz un nevajag...chat tikai balss, kas būtu garlaicīgi. Bet pakalpojumā YouTube, kur viens cilvēks runā skaidri un viņu neapslāpē mūzika, rezultāts ir diezgan labs.
Man tas īsti nedarbojās, bet es pamēģināju tikai uz brīdi.
Bet kas gan būtu labs, ja tas uztvertu skaņu no telefona. Es gaidīju zvanu no Austrijas, un mana vācu valoda ir briesmīga. Par laimi, piezvanīja čehs un iztulkoja to ārzemniekiem. Norādījumi atskaņot telefonu skaļi un pēc tam tulks nedarbojas, acīmredzot telefons ir iestatīts ignorēt skaņu no telefona (tā ir tehniska problēma, tā rada svilpošanu vai atbalsi).