چگونه ترجمه هم زمان در Google Meet آیندهٔ تماس های ویدیویی را متحول می نماید - دنیار

شروع ارائهٔ ترجمهٔ هم زمان در Google Meet

در کنفرانس Google I/O سال جاری، یکی از مجذوب نماینده ترین ویژگی های معرفی گردیده، قابلیت ترجمهٔ هم زمان گفتار در پلتفرم تماس ویدیویی Google Meet بود. این ویژگی، با تکیه بر هوش مصنوعی Gemini، به کاربران امکان می دهد تا آنچه می گویند را همان لحظه به زبان مخاطبشان ترجمه نمایند. اما تفاوت اصلی این قابلیت با زیرنویس گذاری های قدیمی یا ترجمه های ماشینی، در سطح بازآفرینی صدای گوینده است.

به بیان دقیق تر، آنچه مخاطب می شنود نه تنها ترجمهٔ دقیق گفته هاست، بلکه همان بیان، تُن صدا و لحن احساسی نیز حفظ می گردد. در نسخهٔ نمایشی که گوگل به نمایش گذاشت، فردی انگلیسی زبان با همکاری اسپانیایی زبان وارد مکالمه می گردد. با فعال سازی گزینهٔ ترجمهٔ گفتاری، Meet صحبت ها را با صدای بازتولیدشدهٔ گوینده، اما به زبان مقابل، دوبله می نماید.

ترجمه ای فراتر از واژه ها: بازتولید کامل تجربهٔ گفتاری

آنچه Google ارائه داده، فقط تبدیل زبان نیست؛ بلکه کوشش برای حفظ اصالت تجربهٔ شنیداری است. مدل Gemini از صوت ورودی نه تنها متن را استخراج می نماید، بلکه ویژگی های آوایی مانند زیر و بمی صدا، شتاب ادای کلمات و حتی مکث های گفتاری را تحلیل می نماید. سپس با استفاده از صداساز (voice synthesis engine) مبتنی بر همان ویژگی ها، جملهٔ ترجمه شده را با لحن گوینده بازتولید می نماید.

این رویکرد، تجربه ای بسیار طبیعی تر از ترجمه های سنتی فراهم می آورد و برای ارتباطات احساسی، جلسات مهم تجاری یا حتی تدریس در کلاس های چندزبانه، تحولی بنیادین محسوب می گردد.

برنامهٔ عرضه و اشتراک های ویژه

در حال حاضر، این قابلیت تنها در مرحلهٔ بتا و برای کاربران اشتراک های ویژه در دسترس است. کاربران طرح AI Pro و بعلاوه مشترکین پلن نو AI Ultra می توانند از آن استفاده نمایند. اشتراک AI Ultra که در کنفرانس سال جاری معرفی گردید، ماهانه 249.99 دلار قیمت دارد. گرچه این قیمت نسبتاً بالا به نظر می رسد، اما برای کسب وکارهای بزرگ یا سازمان های چندزبانه، می تواند گزینه ای بسیار ارزان باشد.

این قابلیت فعلاً فقط برای ترجمه میان زبان های انگلیسی و اسپانیایی فعال است، اما گوگل اعلام نموده است که به زودی زبان های ایتالیایی، آلمانی و پرتغالی نیز به این لیست افزوده خواهند شد.

رقابت با Microsoft Teams و آیندهٔ تماس های چندزبانه

جالب است که رقیب اصلی Google در این حوزه نیز دست روی همین موضوع گذاشته است. Microsoft Teams نیز پیش نمایشی از ویژگی مشابهی ارائه نموده که ترجمهٔ صوتی با یاری هوش مصنوعی را ممکن می سازد. با این حال، آنچه Google ارائه نموده در سطحی دقیق تر و با تمرکز ویژه بر بازسازی صوتی (speech cloning) عمل می نماید، که مزیتی بی بدیل در جذب کاربران حرفه ای خواهد بود.

در یک نگاه کلی

در یک نگاه کلی، Google Meet با افزودن قابلیت ترجمه هم زمان گفتاری به صورت بازتولیدشده و انسانی، قدم بزرگی در جهت حذف مرزهای زبانی در ارتباطات جهانی برداشته است. این قابلیت نه تنها مفهوم ترجمه را به سطح نوی ارتقا داده، بلکه کیفیت تماس های بین المللی را نیز به طور محسوسی بهبود می بخشد. در آینده ای نزدیک، تماس تصویری بدون مترجم، آن هم با دقت آوایی، دیگر عجیب نخواهد بود. این گام به وضوح مسیر آیندهٔ جلسات دیجیتال را نشان می دهد.

آیا مترجم ها شغل خود را از دست خواهند داد؟

با رشد سریع قابلیت های بازآفرینی صدای هوش مصنوعی و ترجمهٔ بلادرنگ، ممکن است در آینده نه چندان دور، نقش انسان ها در ترجمه های شفاهی به چالش کشیده گردد. اما آیا فناوری می تواند همواره ظرافت های انسانی را درک کند؟

سؤالات رایج (FAQ)

1. آیا ترجمهٔ صوتی Google Meet در حال حاضر برای همه در دسترس است؟

خیر، این قابلیت فقط برای کاربران پلن AI Pro و AI Ultra فعال شده و هنوز در مرحلهٔ بتا واقع شده است.

2. آیا این قابلیت صدای واقعی گوینده را بازتولید می نماید؟

بله، مدل هوش مصنوعی کوشش می نماید تا ویژگی های صوتی گوینده مانند تُن، آهنگ و بیان را حفظ کند و با صدایی شبیه به گوینده، ترجمه را ارائه دهد.

3. چه زبان هایی در حال حاضر پشتیبانی می شوند؟

در حال حاضر فقط انگلیسی و اسپانیایی پشتیبانی می شوند، اما گوگل قول داده به زودی زبان های آلمانی، ایتالیایی و پرتغالی را نیز اضافه کند.

4. آیا Microsoft Teams هم چنین قابلیتی دارد؟

بله، Microsoft Teams نیز ویژگی ترجمهٔ گفتاری را به صورت پیش نمایش ارائه داده، اما هنوز در مرحلهٔ توسعه است و در بعضی زمینه ها از Google Meet عقب تر است.

5. کاربرد اصلی این فناوری در چه موقعیت هایی است؟

جلسات تجاری بین المللی، آموزش چندزبانه، مشاوره های آنلاین و هر موقعیتی که احتیاج به درک دقیق مفاهیم گفتاری میان افراد با زبان های متفاوت باشد.

منبع