A fejhallgatók beszédet is tudnak fordítani, a Big Tech mesterséges intelligencia versenye egyre izgalmasabb.

Az Apple, a Google és a Meta versenyez egymással, hogy a mesterséges intelligencia segítségével valóra válthassák a „hallott dolgok megértésének” álmát olyan eszközökkel, amelyek képesek valós idejű beszédfordításra.

Az iPhone 17 bemutatóján az Apple bemutatott egy videót , amely sok utazó álomforgatókönyvét elevenítette fel. A videóban egy angolul beszélő turista virágot vásárol egy meg nem nevezett spanyol nyelvű országban. A virágárus spanyolul beszél a turistához, de amit a turista hall, az tiszta, összefüggő angol.

„Ma minden piros szegfű 50%-os kedvezménnyel kapható” – hallotta a turista angolul a fejhallgatón keresztül, szinte egyidejűleg az alkalmazott beszédével.

A videó az Apple legújabb AirPods Pro 3-as fülhallgatójának promóciós anyaga, de a funkció már számos hasonló termékben megtalálható más tech cégeknél, köztük az Alphabetnél – a Google anyavállalatánál – és a Metánál, a Facebook és az Instagram tulajdonosánál.

Az Apple élő fordítási funkciót kínál az AirPods fejhallgatóiban. (Fotó: Apple)

Az OpenAI ChatGPT 2022 végi megjelenése által ösztönzött technológiai fejlődés a generatív mesterséges intelligencia korszakát nyitotta meg. Közel három évvel később ezek az előrelépések valós idejű nyelvi fordítóeszközökhöz vezetnek.

Az Apple számára az Élő fordítás az AirPods Pro 3 egyik kiemelkedő funkciója, amelyet a vállalat kedden jelentett be. Az új, 250 dolláros fülhallgatók a jövő héten kerülnek forgalomba, és az Élő fordítás segítségével a felhasználók azonnal hallhatják majd olyan nyelvek beszédét angolra fordítva, mint a francia, német, portugál és spanyol. Az Élő fordítás az AirPods 4 és az AirPods Pro 2 fülhallgatókon is elérhető lesz.

Amikor két AirPods-ot viselő ember beszélget egymással, a beszélgetés egyszerre kétirányú fordításra kerülhet, közvetlenül mindkét személy fejhallgatóján keresztül. (Fotó: MacRumors)

Az elemzők szerint a funkció jelentős lépést jelenthet az Apple mesterséges intelligencia stratégiájában, és egy új, az Apple mesterséges intelligencia szoftvercsomagját, az Apple Intelligence-t futtatni képes iPhone-nal kell majd párosítani.

„Ha valóban használhatnánk az AirPods-ot élő fordításra, az egy olyan funkció lenne, ami miatt az emberek lecserélnék az eszközeiket” – mondta Gil Luria, a DA Davidson elemzője.

Egyre fokozódik a fordítóeszközökért folyó verseny.

Az elmúlt évben a Google és a Meta is piacra dobott valós idejű fordítási képességekkel rendelkező hardvertermékeket.

A Google Pixel 10 telefonjai rendelkeznek egy olyan funkcióval, amely hívás közben le tudja fordítani, amit a beszélő mond, a másik fél nyelvére. A Voice Translate nevű funkció célja a beszélő hanglejtésének megőrzése is. A Voice Translate a felhasználók telefonjain a jövő hétfőn egy szoftverfrissítésen keresztül lesz elérhető.

Jimmy Fallon műsorvezető a Pixel 10 Pro Fold összecsukható telefont tartja a kezében, amely hangfordító funkcióval rendelkezik, amely valós időben fordítja le a hívásokat, és a beszélő hangját érintetlenül hagyja. (Fotó: Reuters)

A Google augusztusi élő bemutatóján a Voice Translate lefordított egy idézetet Jimmy Fallontól spanyolra, miközben megőrizte jellegzetes akcentusát. Az Apple funkciója eközben nem próbálja meg utánozni a felhasználó hangját.

Eközben a Meta májusban bejelentette, hogy Ray-Ban Meta szemüvege képes lesz más nyelvekre lefordítani a beszédet a készülék hangszóróján keresztül, és a beszélgetőpartner láthatja majd a felhasználó telefonján rögzített lefordított válaszokat.

A CNBC augusztusi beszámolója szerint a Meta a jövő héten saját termékbemutató rendezvényt tart, ahol várhatóan bemutatják a következő generációs okosszemüvegüket, amelynek egyik lencséjén egy kis képernyő lesz. Nem világos, hogy a Meta bevezet-e új fordítási funkciókat.

A Ray-Ban Meta szemüvegek lehetővé teszik, hogy fordításokat hallgass és lásd a telefonodon.

Az utóbbi években számos dedikált fordítóeszköz jelent meg a piacon, kihasználva a globális nagysebességű mobilhálózatokat és a továbbfejlesztett online fordítási szolgáltatásokat, kompakt eszközöket vagy fejhallgatókat hozva létre integrált fordítási funkciókkal mindössze néhány száz dollárért.

„Az tetszik az Apple-ben, hogy valóban rávilágítanak ennek a kérdésnek a sürgősségére” – mondta Joe Miller, a Pocketalk amerikai ügyvezető igazgatója. A Pocketalk egy 299 dolláros fordítóeszközt gyárt, amely két különböző nyelven beszélő ember közötti beszélgetéseket képes lefordítani hang- és szöveges fordítással.

A Canalys szerint az Apple csak az idei év első negyedévében körülbelül 18 millió vezeték nélküli fejhallgatót adott el, így az Apple piacra lépése több ügyfél számára biztosít hozzáférést a fordítási technológia fejlesztéseihez.

Habár az Apple belépett a piacra, az elkötelezett eszközgyártók azzal érvelnek, hogy a pontosságra és a nyelvi ismeretekre való összpontosítás jobb fordítási eredményeket hoz, mint amit egy új telefon ingyen tud nyújtani.

„Valójában nyelvészeket alkalmaztunk ” – mondta Aleksander Alski, a Vasco Electronics amerikai és kanadai részlegének vezetője, amely olyan fordítófülhallgatókat dob ​​piacra, amelyek a Google-höz hasonlóan utánozzák a felhasználó hangját. „A mesterséges intelligenciát emberi bevitellel kombináljuk, és sokkal nagyobb pontosságot érünk el az összes általunk kínált nyelven.”

A speciális berendezéseket gyártó cégeknek is van hazai pályaelőnyük. A Vasco Electronics legnagyobb piaca Európa, míg az Apple élő fordítási funkciója még nem érhető el az EU-s felhasználók számára, áll a vállalat weboldalán.

Néhány technológiai cég új terméke továbbra is korlátozott, és csak bizonyos számú nyelvet támogat. Az Apple ezt a funkciót csak öt nyelven kínálja, míg a Pocketalk akár 95 nyelvet is támogat.

Ngoc Nguyen (CNBC)

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