Google predstavil nový zvukový AI model pre okamžitý jazykový preklad

Google predstavil Gemini 3.5 Live Translate, nový AI model určený na živý preklad hovoreného slova. Tentokrát však nejde iba o ďalšiu verziu Google Translate, ale o samostatný audio model, ktorý má prekladať reč takmer v reálnom čase a zachovať tak prirodzenejší rytmus konverzácie, intonáciu, tempo, ale aj výšku hlasu pôvodného hovoriaceho. Podľa spoločnosti model automaticky rozpoznáva viac než 70 jazykov a pri preklade zostáva len niekoľko sekúnd za hovoriacim.

Dôležitý rozdiel oproti staršemu systému je v tom, že Live Translate nemusí vždy čakať, kým človek dokončí celú vetu. Model totižto spracúva reč priebežne a snaží sa pochopiť správny balans medzi okamžitým prekladom a čakaním na dostatočný kontext, aby výsledok, samozrejme, nedával nesprávny zmysel. Google to prezentuje ako spôsob priblíženiu sa bežnému rozhovoru, a teda bez neprirodzených prestávok.

Funkcia sa už začína testovať verejne

Novinka sa už začína nasadzovať vo viacerých produktoch. Vývojári ju dostanú vo verejnom preview cez Gemini Live API a Google AI Studio. Firmy ju budú môcť testovať v Google Meet a bežní používatelia ju nájdu v aplikácii Google Translate v operačných systémoch Androide a iOS. V Meet tak tento nový spôsob prekladu rozšíri pôvodných päť jazykov na viac než 70 a umožniť vyše 2 000 jazykových kombinácií v jednom stretnutí, čo je obdivuhodné číslo.

Na Androide Google zároveň pridá takzvaný „listening mode“, pri ktorom budete môcť telefón priložiť k uchu ako pri klasickom hovore a počúvať preklad cez slúchadlo telefónu, bez potreby slúchadiel. Všetok generovaný zvuk umelou inteligenciou má byť označený nepočuteľným vodoznakom SynthID, aby bolo možné spätne rozpoznať, že vznikol pomocou AI.