جدیدترین مدل صوتی جمینای ترجمه گفت‌وگوها را برای 70 زبان گوناگون به‌صورت لحظه‌ای و آنی انجام می‌دهد. جالب است بدانید که ماهانه یک میلیارد کاربر بیش از یک تریلیون کلمه ترجمه می‌کنند.

به گزارش گوگل جمینای 3.5 Live Translate کاملا به‌صورت روان و طبیعی ترجمه می‎‌کند و در کمال تعجب تن صدای افراد را هم حفظ می‌کند. برخلاف سایر ابزراها و مدل‌های ترجمه که منتظر می‌مانند تا صحبت گوینده تمام شود و سپس پاسخ دهند، 3.5 Live Translate گفتار را به‌صورت پیوسته تولید می‌کند. این مدل تعادلی میان صبر کردن برای درک بهتر متن جهت بهبود کیفیت و ترجمه فوری برای همگام ماندن با گوینده ایجاد می‌کند. در نتیجه، صدایی روان بدون مکث‌های ناخوشایند ارائه می‌دهد و در طول مکالمه تنها چند ثانیه از گوینده عقب‌تر است.

از امروز همه کاربران در گوگل ترنسلیت به این مدل دسترسی دارند. توسعه‌دهندگان هم برای استفاده از پیش‌نمایش آن می‌توانند از طریق Gemini Live API و Google AI Studio اقدام کنند.

مدل Gemini 3.5 Live Translate به‌صورت جهانی در اپلیکیشن Google Translate برای هر دو سیستم‌عامل اندروید و iOS در حال عرضه است. هنگام استفاده از ویژگی Live translate، کافی است یک هدفون متصل کنید تا ترجمه‌ای یکپارچه‌تر را تجربه کنید که لحن گوینده را در بیش از ۷۰ زبان منعکس می‌کند.

آیا 3.5 Live Translate در گوگل میت هست؟

در همین ماه نسخه پیش‌نمایش خصوصی جمینی 3.5 لایو ترنسلیت به گوگل میت برای مشتریان تجاری اضافه خواهد شد. احتمالا تا اواخر سال به‌صورت عمومی در دسترس قرار می‌گیرد. شما می‌توانید از قابلیت‌های آن برای تسهیل ترجمه همزمان در تماس‌های چندزبانه، جلسات، کلاس‌های درس، پخش‌های زنده و موارد دیگر استفاده کنید.

  • ارائه بیش از ۷۰ زبان (بهبودی چشمگیر نسبت به محدودیت قبلی که تنها ۵ زبان بود)
  • امکان برقراری مکالمه در بیش از ۲۰۰۰ ترکیب زبانی در یک جلسه
  • به‌روزرسانی رابط کاربری برای دسترسی فوری به ترجمه گفتار

کاربران اندروید گوگل ترنسلیت به یک «حالت گوش دادن» (listening mode) جدید با 3.5 Live Translate دسترسی دارند تا ترجمه‌ها را مستقیما از طریق بلندگوی گوشی خود بشنوید. کافی است گوشی خود را مانند یک تماس معمولی روی گوشتان نگه دارید تا صدای ترجمه‌شده برای شما پخش شود.

تمام صداهای تولیدشده توسط مدل‌ صوتی جدید با SynthID نشان‌گذاری (واترمارک) می‌شوند. این واترمارک غیرمحسوس در خروجی صوتی قرار دارد و تضمین می‌کند که محتوای تولیدشده توسط هوش مصنوعی قابل تشخیص باقی بماند تا به جلوگیری از انتشار اطلاعات نادرست کمک کند.

کلود هم امروز معرفی مهم داشت؛ هوش مصنوعیClaude Fable 5 عرضه شد. این مدل همراه با میتوس 5 جز قدرتمندترین هوش مصنوعی‌ها در برنامه‌نویسی و تحقیقات علمی محسوب می‌شود.