گوگل Gemini 3.5 Live Translate را برای ترجمه فوری صوتی معرفی کرد

✨ ترجمه فوری و طبیعی

گوگل سال‌هاست که در پی تحقق ترجمه همزمان بوده و آن را یکی از «آزمایش‌های پیشگامانه یادگیری ماشین» خود می‌داند. در گذشته، این قابلیت نیازمند دستگاه‌های خاصی مانند گوشی‌های پیکسل یا هدفون‌های گوگل بود، اما اکنون با Gemini 3.5 Live Translate، دسترسی به آن گسترده‌تر شده و با تأخیر کمتر از همیشه، ترجمه فوری را ارائه می‌دهد.

🗣️ قابلیت‌های مدل Gemini 3.5 Live Translate

این مدل هوش مصنوعی که برای تشخیص و ترجمه خودکار به بیش از 70 زبان تنظیم شده است، قابلیت‌های چشمگیری دارد:

• سرعت بالا: قادر است همگام با مکالمات عادی پیش برود و تنها چند ثانیه از گوینده عقب بماند.
• حفظ ویژگی‌های صوتی: لحن، سرعت و زیروبمی صدای گوینده را حفظ می‌کند تا ترجمه طبیعی‌تر به نظر برسد.
• فیلتر نویز: نویز پس‌زمینه را در محیط‌های شلوغ فیلتر می‌کند.

گوگل تأکید دارد که صدای ترجمه شده بیشتر شبیه به صدای کاربر اصلی است تا یک ربات عمومی. اگرچه دموهای ارائه شده در شرایط کنترل‌شده ضبط شده‌اند، اما بسیار تأثیرگذار به نظر می‌رسند.

🚀 گسترش در اکوسیستم گوگل

Gemini 3.5 Live Translate در حال حاضر در چندین بخش از اکوسیستم گوگل در دسترس قرار می‌گیرد:

• API و AI Studio: توسعه‌دهندگان می‌توانند از طریق پیش‌نمایش عمومی در Gemini Live API یا AI Studio شروع به ساخت برنامه‌ها کنند. این مدل ورودی‌های چندزبانه را به طور خودکار پردازش می‌کند و نیاز به تنظیمات دستی را از بین می‌برد.
• Google Meet: مشتریان منتخب سازمانی از این ماه به مدل جدید ترجمه در Google Meet دسترسی خواهند داشت و به زودی به طور گسترده‌تر عرضه خواهد شد. گوگل در حال بهینه‌سازی رابط کاربری Meet است تا قابلیت ترجمه زنده را برجسته‌تر کند.
• Google Translate App: مهم‌تر از همه، 3.5 Live Translate به زودی به اپلیکیشن Google Translate در هر دو سیستم‌عامل اندروید و iOS می‌آید.

🎧 حالت شنیداری جدید

در اواخر سال گذشته، گوگل آزمایش ترجمه زنده مبتنی بر Gemini را در اپلیکیشن با هر نوع هدفونی (و در اپلیکیشن iOS) آغاز کرد. پیش از این، این قابلیت فقط با Pixel Buds گوگل و گوشی اندرویدی کار می‌کرد. با به‌روزرسانی آتی و اضافه شدن مدل 3.5، این قابلیت گسترش بیشتری خواهد یافت.

کاربران حتی بدون هدفون نیز می‌توانند از این ویژگی استفاده کنند. با نگه داشتن گوشی کنار گوش خود، مانند یک تماس تلفنی، می‌توانند ترجمه صوتی را بشنوند. البته، این «حالت شنیداری» در حال حاضر فقط در اندروید کار می‌کند.

برای مثال، کاربران می‌توانند ترجمه تقریباً همزمان یک تور راهنما به زبان اسپانیایی را مستقیماً از طریق گوشی خود به زبان انگلیسی بشنوند.

🛡️ امنیت و واترمارک SynthID

گوگل با احتیاط عمل می‌کند و تمامی جریان‌های صوتی تولید شده توسط Gemini 3.5 Live Translate دارای واترمارک SynthID خواهند بود که در داده‌های شکل موج ادغام شده است. این واترمارک نشان می‌دهد که گفتار توسط هوش مصنوعی تولید شده و در حال حاضر راهی برای حذف آن وجود ندارد.