হেডফোনও বক্তৃতা অনুবাদ করতে পারে, বিগ টেকের এআই রেস ক্রমশ উত্তেজনাপূর্ণ হয়ে উঠছে

অ্যাপল, গুগল এবং মেটা রিয়েল-টাইম স্পিচ অনুবাদে সক্ষম ডিভাইসগুলির সাহায্যে "আপনি যা শুনছেন তা বোঝার" স্বপ্নকে বাস্তবে রূপ দেওয়ার জন্য AI প্রয়োগের জন্য দৌড়ঝাঁপ করছে।

আইফোন ১৭ লঞ্চ ইভেন্টের সময়, অ্যাপল একটি ভিডিও দেখিয়েছিল যা অনেক ভ্রমণকারীর স্বপ্নের দৃশ্যপট তুলে ধরেছিল। ভিডিওটিতে দেখা যাচ্ছে যে একজন ইংরেজিভাষী পর্যটক একটি নামহীন স্প্যানিশভাষী দেশে ফুল কেনাকাটা করছেন। ফুলওয়ালা পর্যটকের সাথে স্প্যানিশ ভাষায় কথা বলছেন, কিন্তু পর্যটক যা শোনেন তা স্পষ্ট, সুসংগত ইংরেজি।

"আজ সব লাল কার্নেশনের উপর ৫০% ছাড়," পর্যটকটি হেডসেটের মাধ্যমে ইংরেজিতে শুনতে পেলেন, প্রায় একই সাথে কর্মচারীর কথা বলার সাথে সাথে।

ভিডিওটি অ্যাপলের সর্বশেষ AirPods Pro 3-এর প্রচারণামূলক উপাদান, তবে বৈশিষ্ট্যটি ইতিমধ্যেই অন্যান্য প্রযুক্তি কোম্পানির অনেক অনুরূপ পণ্যে উপস্থিত রয়েছে, যার মধ্যে রয়েছে Alphabet - Google-এর মূল কোম্পানি - এবং Meta, Facebook এবং Instagram-এর মালিক।

অ্যাপল এয়ারপডস হেডফোনে লাইভ ট্রান্সলেশন ফিচার নিয়ে এসেছে। (ছবি: অ্যাপল)

২০২২ সালের শেষের দিকে OpenAI-এর ChatGPT প্রকাশের মাধ্যমে প্রযুক্তিগত অগ্রগতি জেনারেটিভ AI-এর যুগের সূচনা করে। প্রায় তিন বছর পর, এই অগ্রগতিগুলি রিয়েল-টাইম ভাষা অনুবাদ সরঞ্জামের দিকে পরিচালিত করছে।

অ্যাপলের জন্য, লাইভ ট্রান্সলেশন হল AirPods Pro 3 এর একটি বড় আকর্ষণ, যা কোম্পানি মঙ্গলবার ঘোষণা করেছে। নতুন $250 ইয়ারবাডগুলি আগামী সপ্তাহে বিক্রি শুরু হবে এবং লাইভ ট্রান্সলেশনের মাধ্যমে ব্যবহারকারীরা তাৎক্ষণিকভাবে ফরাসি, জার্মান, পর্তুগিজ এবং স্প্যানিশ ভাষাগুলি ইংরেজিতে অনুবাদ করা শুনতে পারবেন। AirPods 4 এবং AirPods Pro 2 তেও লাইভ ট্রান্সলেশন আসবে।

যখন AirPods পরা দুজন ব্যক্তি একে অপরের সাথে কথা বলেন, তখন কথোপকথনটি তাদের হেডফোনের ভেতরে একই সময়ে দ্বিমুখীভাবে অনুবাদ করা যেতে পারে। (ছবি: MacRumors)

বিশ্লেষকরা বলছেন যে এই বৈশিষ্ট্যটি অ্যাপলের এআই কৌশলে একটি উল্লেখযোগ্য পদক্ষেপ হতে পারে এবং এটিকে অ্যাপলের এআই সফটওয়্যার স্যুট, অ্যাপল ইন্টেলিজেন্স চালাতে সক্ষম একটি নতুন আইফোনের সাথে যুক্ত করতে হবে।

"যদি আমরা আসলেই লাইভ ট্রান্সলেশনের জন্য AirPods ব্যবহার করতে পারি, তাহলে এটি এমন একটি বৈশিষ্ট্য হবে যা মানুষকে তাদের ডিভাইস আপগ্রেড করতে আগ্রহী করে তুলবে," DA ডেভিডসনের বিশ্লেষক গিল লুরিয়া বলেন ।

উত্তেজনাপূর্ণ অনুবাদ ডিভাইস প্রতিযোগিতা

গত এক বছরে, গুগল এবং মেটা রিয়েল-টাইম অনুবাদ ক্ষমতা সম্পন্ন হার্ডওয়্যার পণ্যও চালু করেছে।

গুগলের পিক্সেল ১০ ফোনে এমন একটি বৈশিষ্ট্য রয়েছে যা কলের সময় একজন বক্তা যা বলেন তা অন্য ব্যক্তির ভাষায় অনুবাদ করতে পারে। ভয়েস ট্রান্সলেট নামে পরিচিত এই বৈশিষ্ট্যটি স্পিকারের স্বর সংরক্ষণের জন্যও তৈরি করা হয়েছে। আগামী সোমবার থেকে একটি সফ্টওয়্যার আপডেটের মাধ্যমে ব্যবহারকারীদের ফোনে ভয়েস ট্রান্সলেট চালু করা শুরু হবে।

হোস্ট জিমি ফ্যালন ভয়েস ট্রান্সলেট বৈশিষ্ট্য সহ পিক্সেল ১০ প্রো ফোল্ড ফোল্ডেবল ফোনটি ধরেছেন, যা রিয়েল টাইমে কল অনুবাদ করে এবং বক্তার ভয়েস অক্ষত রাখে। (ছবি: রয়টার্স)

আগস্ট মাসে গুগলের লাইভ প্রদর্শনের সময়, ভয়েস ট্রান্সলেট জিমি ফ্যালনের একটি উক্তি স্প্যানিশ ভাষায় অনুবাদ করেছিল, যদিও তার স্বাক্ষর উচ্চারণ এখনও বজায় রেখেছিল। এদিকে, অ্যাপলের বৈশিষ্ট্যটি কোনও ব্যবহারকারীর কণ্ঠস্বর অনুকরণ করার চেষ্টা করে না।

ইতিমধ্যে, মেটা মে মাসে ঘোষণা করেছিল যে তাদের রে-ব্যান মেটা চশমা ডিভাইসের স্পিকারের মাধ্যমে অন্যান্য ভাষায় বক্তৃতা অনুবাদ করতে সক্ষম হবে এবং কথোপকথনের অংশীদার ব্যবহারকারীর ফোনে রেকর্ড করা অনুবাদিত প্রতিক্রিয়া দেখতে সক্ষম হবে।

সিএনবিসি আগস্টে রিপোর্ট করেছিল যে মেটা আগামী সপ্তাহে নিজস্ব পণ্য লঞ্চ ইভেন্ট আয়োজন করছে, যেখানে তারা তাদের পরবর্তী প্রজন্মের স্মার্ট চশমা উন্মোচন করবে বলে আশা করা হচ্ছে যার একটি লেন্সে একটি ছোট স্ক্রিন থাকবে। মেটা নতুন অনুবাদ বৈশিষ্ট্য চালু করবে কিনা তা স্পষ্ট নয়।

রে-ব্যান মেটা চশমা আপনাকে আপনার ফোনে অনুবাদ শুনতে এবং দেখতে দেয়।

সাম্প্রতিক বছরগুলিতে, বিশ্বব্যাপী উচ্চ-গতির মোবাইল নেটওয়ার্ক এবং উন্নত অনলাইন অনুবাদ পরিষেবার সুযোগ নিয়ে বাজারে বেশ কয়েকটি নিবেদিতপ্রাণ অনুবাদ ডিভাইস উপস্থিত হয়েছে, মাত্র কয়েকশ ডলারে সমন্বিত অনুবাদ ফাংশন সহ কমপ্যাক্ট ডিভাইস বা হেডফোন তৈরি করেছে।

"অ্যাপলের ব্যাপারে আমার যা ভালো লাগে তা হল তারা এই সমস্যাটির জরুরিতাকে সত্যিই তুলে ধরে," পকেটক-এর মার্কিন ব্যবস্থাপনা পরিচালক জো মিলার বলেন, যা $২৯৯ ডলারের একটি অনুবাদ ডিভাইস তৈরি করে যা অডিও এবং টেক্সট উভয় ব্যবহার করে দুটি ভিন্ন ভাষায় কথা বলা দুজন ব্যক্তির মধ্যে কথোপকথন অনুবাদ করতে পারে।

ক্যানালিসের মতে, অ্যাপল এই বছরের প্রথম প্রান্তিকে প্রায় ১৮ মিলিয়ন ওয়্যারলেস হেডফোন বিক্রি করেছে, বাজারে অ্যাপলের প্রবেশের ফলে আরও বেশি গ্রাহক অনুবাদ প্রযুক্তির অগ্রগতিতে অ্যাক্সেস পাবেন।

যদিও অ্যাপল বাজারে প্রবেশ করেছে, নিবেদিতপ্রাণ ডিভাইস নির্মাতারা যুক্তি দেন যে নির্ভুলতা এবং ভাষাগত জ্ঞানের উপর মনোযোগ দিলে একটি নতুন ফোন বিনামূল্যে যা প্রদান করতে পারে তার চেয়ে ভালো অনুবাদ ফলাফল পাওয়া যাবে।

"আমরা আসলে ভাষাবিদদের নিয়োগ করেছি, " ভাস্কো ইলেকট্রনিক্সের মার্কিন যুক্তরাষ্ট্র এবং কানাডা বিভাগের প্রধান আলেকজান্ডার আলস্কি বলেন, যারা গুগলের বৈশিষ্ট্যের মতো ব্যবহারকারীর কণ্ঠস্বর অনুকরণ করে এমন অনুবাদ ইয়ারবাড চালু করছে। "আমরা AI-কে মানুষের ইনপুটের সাথে একত্রিত করি এবং আমরা যে সমস্ত ভাষায় অফার করি তাতে আমরা অনেক বেশি নির্ভুলতা পাই।"

বিশেষ সরঞ্জাম প্রস্তুতকারকদেরও ঘরে বসেই সুবিধা রয়েছে। ভাস্কো ইলেকট্রনিক্সের সবচেয়ে বড় বাজার হল ইউরোপ, যদিও অ্যাপলের লাইভ ট্রান্সলেশন বৈশিষ্ট্যটি এখনও ইইউ ব্যবহারকারীদের জন্য উপলব্ধ নয়, কোম্পানির ওয়েবসাইট অনুসারে।

প্রযুক্তি কোম্পানিগুলির কিছু নতুন পণ্য এখনও সীমিত, শুধুমাত্র নির্দিষ্ট সংখ্যক ভাষা সমর্থন করে। অ্যাপল কেবল পাঁচটি ভাষায় এই বৈশিষ্ট্যটি অফার করে, যেখানে পকেটক সর্বাধিক ৯৫টি ভাষা সমর্থন করে।

নগক নগুয়েন (সিএনবিসি)

সূত্র: https://vtcnews.vn/tai-nghe-cung-biet-dich-noi-cuoc-dua-ai-cua-cac-big-tech-ngay-cang-soi-dong-ar965160.html