قامت Google بسحب الستار حول كيفية تطوير ميزة الترجمة المباشرة لـ Google Meet. تمكنت فرق الهندسة الصوتية وإدارة المنتجات للشركة ، إلى جانب Google DeepMind ، من تحقيق ما يبدو أنه كان هدفًا لمدة خمس سنوات في غضون عامين فقط.
أوضح فريدريك ، الذي يقود فريق الهندسة الصوتية للقاء ، أن Google تعرف أن الترجمة الفورية ضرورية للمكالمات الحية ، وقد جعلت الاختراقات في النماذج الكبيرة ممكنة. ليس سراً أن الترجمة الحية كانت هدفًا عبر خدمات Google ، لكن المهندسين من Pixel و Cloud و Chrome جميعهم عملوا مع Google DeepMind لجعل ترجمة الكلام في الوقت الفعلي حقيقة واقعة.
كانت الطريقة القديمة لفعل الأشياء على ما يبدو متكافئًا ، على أقل تقدير. كان على تقنية الترجمة الصوتية السابقة أن تمر بعملية متعددة الخطوات: إنها ستنسخ الكلام ، وترجمة النص ، ثم تحويله إلى الكلام. كما يمكنك أن تتخيل ، أدى ذلك إلى بعض مشاكل الكمون الخطيرة ، مع تأخير من 10 إلى 20 ثانية. جعلت محادثة طبيعية مستحيلة إلى حد كبير. أيضا ، كانت الأصوات المترجمة عامة ، لذلك لم يكن لديهم الانضمامات والسلوكيات لشخص يتحدث ، والتي تأخذ بعيدا من التجربة العامة.
وفقًا لـ Huib ، الذي هو المقدم لإدارة المنتجات على جانب جودة الصوت ، جاء الاختراق الحقيقي “large models,” التي تختلف عن نماذج اللغة الكبيرة (LLMS) التي نسمعها كثيرًا. هذه النماذج قادرة على “one-shot” الترجمة ، وهذا يعني أنك ترسل الصوت ويبدأ النموذج على الفور تقريبًا في إخراج الصوت المترجم.
هذا يقلل بشكل كبير من الكمون إلى شيء يحاكي في الواقع مترجم بشري. وجدت الشركة بقعة حلوة من ثانيتين إلى ثلاث ثوانٍ من الكمون ، وهو ما يكفي من الوقت للدماغ لمعالجة ما يقال وعدم الخلط بين استجابة فورية ، ولكن ليس طويلاً لدرجة أنه يشعر بالحرج. مع هذا التوقيت ، يجعل النموذج الجديد في Google Meet من الممكن إجراء محادثة متزامنة مع الأشخاص الذين يتحدثون لغات مختلفة.
بالطبع ، لم يكن بناء شيء هذا المجمع بدون تحديات. كانت إحدى أكبر العقبات هي التأكد من أن الترجمات كانت عالية الجودة ، لأن أشياء مثل لهجة المتحدث أو ضوضاء الخلفية أو مشكلات الشبكة يمكن أن ترمي مفتاحًا في الأعمال. كان على فرق Meet and DeepMind العمل معًا لتحسين هذه النماذج وضبطها بناءً على الأداء الحقيقي. حتى أن الفرق جلبت اللغويين وغيرهم من خبراء اللغة لمساعدتهم على فهم جميع الفروق الدقيقة للترجمة واللكنات.
بعض اللغات ، مثل الإسبانية والإيطالية والبرتغالية والفرنسية ، أسهل في الاندماج نظرًا لأن لديها تقاربًا أوثق. من ناحية أخرى ، كانت اللغات ذات الهياكل المختلفة ، مثل الألمانية ، أكثر صعوبة بسبب أشياء مثل القواعد والتعابير الشائعة.
في الوقت الحالي ، يترجم النموذج معظم التعبيرات حرفيًا ، مما قد يؤدي أحيانًا إلى بعض سوء الفهم المضحكة. لكن Huib و Frederic يتوقعان أن تكون التحديثات المستقبلية ، التي تستخدم LLMs أكثر تقدمًا ، قادرة على فهم وترجمة هذه الفروق الدقيقة بشكل أكثر دقة ، حتى التقطت على أشياء مثل Tone و Irony. حتى ذلك الحين ، مجرد الحصول على مترجم مباشر يمكنك الاعتماد عليه هو صفقة ضخمة ، لذلك فهو فوز بشكل عام.
Google Pixel 10
- ماركة
- جوجل
- سوك
- Google Tensor G5
تتطلع إلى الترقية إلى بكسل ولكن لست متأكدًا مما إذا كنت بحاجة إلى جميع أجراس وصفارات النماذج الأكثر تكلفة؟ لن تشعر بخيبة أمل من طراز Pixel 10 القياسي. عند الوصول إلى ألوان مذهلة وميزات الجوزاء وسبع سنوات من التحديثات ، لا يمكنك أن تخطئ في هذا الشراء.
مصدر:”https://blog.google/products/workspace/google-meet-langauge-translation-ai/” rel=”noopener noreferrer” الهدف=”_blank”> جوجل