Google oficiálne spustil nový prekladač s názvom Gemini 3.5 Live Translate, ktorý prináša zásadný pokrok v oblasti strojového prekladu. Model poháňaný umelou inteligenciou Gemini 3.5 teraz dokáže zabezpečiť preklad reči v reálnom čase do viac než 70 jazykov, a to s minimálnym oneskorením a zachovaním prirodzeného tónu a intonácie rečníka.
Ako funguje nový prekladač
Doterajšie prekladové systémy fungovali na princípe takzvaného „turn-by-turn“ prekladu. To znamenalo, že čakali, kým hovoriaci nedokončí celú vetu, a až potom spustili preklad a generovanie odpovede. Tento proces vytváral neprirodzené pauzy a narušoval plynulosť konverzácie.
Gemini 3.5 Live Translate tento model úplne mení. Namiesto čakania na dokončenie vety model generuje preklad priebežne počas reči hovoriaceho. Výsledkom je plynulý preklad, ktorý zaostáva za rečníkom len o niekoľko sekúnd, čím sa celý zážitok viac približuje simultánnemu tlmočeniu v reálnom čase.
Prirodzený zvuk a široká jazyková podpora
Okrem rýchlosti je kľúčovou novinkou aj zachovanie prirodzeného prejavu. Model pri preklade zachováva intonáciu, tempo reči a výšku hlasu pôvodného hovoriaceho. Výsledný preklad tak neznie ako robotický hlas, ale ako prirodzená reč, ktorá zachováva emócie a štýl pôvodného prejavu.
Model automaticky rozpoznáva viac než 70 jazykov vrátane češtiny a slovenčiny. Nový systém tiež zvláda prekladať medzi ľubovoľnými jazykovými pármi, bez potreby použitia angličtiny ako medzistupňa, čo predstavuje výrazný posun oproti predchádzajúcim verziám.
Dostupnosť a nové funkcie
Prekladateľský model Gemini 3.5 Live Translate sa postupne zavádza v aplikácii Google Translate pre Android a iOS. Nová funkcia „Listening Mode“ (Režim poslechu) na Androide umožňuje počúvať preklad cez reproduktor telefónu jednoduchým priložením k uchu, podobne ako pri bežnom telefonáte.
Pre firemných zákazníkov Google sprístupní túto technológiu v rámci aplikácie Google Meet, čo umožní viacjazyčné videokonferencie s podporou viac než 2 000 jazykových kombinácií v rámci jedného stretnutia.
Bezpečnostné aspekty
Všetky audio výstupy generované modelom obsahujú neviditeľný digitálny vodoznak SynthID, ktorý ich označuje ako AI-generovaný obsah. Toto opatrenie má pomôcť predchádzať šíreniu dezinformácií a umožniť identifikáciu umelo vytvoreného obsahu.
Gemini 3.5 Live Translate tak predstavuje významný krok k prekonaniu jazykových bariér v reálnej komunikácii a ukazuje, kam smeruje budúcnosť automatického prekladu.