প্রযুক্তি জায়ান্ট গুগল তাৎক্ষণিক কথ্য শব্দ অনুবাদের জন্য ডিজাইন করা তার সর্বশেষ অডিও মডেল উন্মোচন করেছে। Gemini ৩.৫ লাইভ ট্রান্সলেট। এই উন্নত মডেলটি ভাষাগত বাধা অতিক্রম করার পদ্ধতিতে একটি মৌলিক পরিবর্তন এনেছে, যা প্রায় রিয়েল-টাইমে নির্বিঘ্ন কথ্য-কথ্য অনুবাদ প্রদান করে।
প্রচলিত অনুবাদ ব্যবস্থাগুলো পালাক্রমে কাজ করে – ব্যবহারকারীকে কথা বলতে হয়, সিস্টেমটি সেই বক্তব্য বিশ্লেষণ করে এবং তারপরেই অনুবাদটি শোনায়। Gemini ৩.৫ তবে, লাইভ ট্রান্সলেট সম্পূর্ণ ভিন্নভাবে কাজ করে। এটি অডিওকে একটি স্ট্রিম হিসেবে অবিচ্ছিন্নভাবে প্রসেস করে। এটি তাৎক্ষণিক অনুবাদ এবং প্রসঙ্গ অক্ষুণ্ণ থাকার জন্য সামান্য অপেক্ষার মধ্যে একটি আদর্শ ভারসাম্য বজায় রাখতে পারে। maxসূক্ষ্ম নির্ভুলতা। এর ফলে বক্তৃতার একটি নিরবচ্ছিন্ন ও সাবলীল প্রবাহ তৈরি হয় যা বক্তার গতির সাথে তাল মিলিয়ে চলে।
মডেলটির প্রধান বৈশিষ্ট্যসমূহ
৭০টিরও বেশি ভাষার সমর্থন: আগের সীমাবদ্ধতার তুলনায়, যেখানে লাইভ মোডে মাত্র কয়েকটি ভাষা সমর্থিত ছিল, নতুন মডেলটি ৭০টিরও বেশি ভাষা সমর্থন করে। এর ফলে একটিমাত্র মিটিংয়ের মধ্যে ২,০০০টিরও বেশি ভাষার সমন্বয়ে সংযোগ স্থাপন করা সম্ভব হয় (অনুবাদ এখন আর শুধু ইংরেজির সাথে সমন্বয়ের মধ্যে সীমাবদ্ধ নয়)।
- মানবিক আবেগ এবং সুর সংরক্ষণঅনুবাদটি রোবোটিক নয়। মডেলটি বক্তার স্বরভঙ্গি, কথা বলার গতি, তীক্ষ্ণতা এবং সামগ্রিক সুর বিশ্বস্তভাবে অনুকরণ করতে পারে, ফলে এর ফলে বক্তৃতাটি স্বাভাবিক শোনায়।
- স্বয়ংক্রিয় ভাষা সনাক্তকরণসিস্টেমটি স্বয়ংক্রিয়ভাবে বহুভাষিক ইনপুট শনাক্ত করতে পারে, ফলে কথোপকথনের সময় ভাষা পরিবর্তনের জন্য ব্যবহারকারীদের ম্যানুয়ালি সেটিংস পরিবর্তন করতে হয় না।
- শব্দ প্রতিরোধ ক্ষমতাএই মডেলটি ব্যস্ত রাস্তা বা কনফারেন্স রুমের মতো কোলাহলপূর্ণ ও অপ্রত্যাশিত পরিবেশেও নির্ভরযোগ্যভাবে কাজ করার জন্য ডিজাইন করা হয়েছে।
একীকরণ এবং প্রাপ্যতা
নতুন মডেলটি অ্যান্ড্রয়েড এবং আইওএস উভয় প্ল্যাটফর্মের জন্য সরাসরি গুগল ট্রান্সলেট অ্যাপের মধ্যেই বিশ্বব্যাপী চালু হতে শুরু করেছে। অ্যান্ড্রয়েড ব্যবহারকারীদের জন্য একটি বিশেষ লিসেনিং মোডও চালু করা হচ্ছে। এটি আপনাকে শোনার সুযোগ দেবে...chat আপনার ফোনের ইয়ারপিসের মাধ্যমে সরাসরি ও গোপনে অনুবাদ করুন। সাধারণ কলের মতোই ফোনটি কানে ধরুন এবং অনূদিত অডিও সরাসরি আপনার কাছে চলে আসবে।
মডেল দ্বারা উৎপন্ন সমস্ত অডিও আউটপুট Gemini ৩.৫ লাইভ ট্রান্সলেটে গুগল ডিপমাইন্ডের সিন্থআইডি প্রযুক্তি অন্তর্ভুক্ত রয়েছে। এটি একটি ডিজিটাল ওয়াটারমার্ক যা মানুষের কানে শোনা যায় না, কিন্তু এটি নির্ভরযোগ্যভাবে শনাক্ত করে যে অডিওটি কৃত্রিম বুদ্ধিমত্তা দ্বারা তৈরি। গুগল স্বচ্ছতা বাড়াচ্ছে এবং এই প্রযুক্তির অপব্যবহারের ঝুঁকি কমাচ্ছে।
Gemini ৩.৫ লাইভ ট্রান্সলেটকে একটি প্রযুক্তিগত বিস্ময় বলে মনে হচ্ছে, যা অবশেষে সবচেয়ে বিরক্তিকর ভাষার বাধাগুলো ভেঙে দেয়। আর কোনো অস্বস্তিকর নীরবতা বা একের পর এক বাক্য বোঝার জন্য ফোনের অপেক্ষা করতে হবে না। ব্যক্তিগতভাবে, আমি আমার আসন্ন বিদেশ ভ্রমণে এই নতুন পণ্যটি পকেট থেকে বের করে বাস্তবে ব্যবহার করে দেখার জন্য ভীষণ উত্তেজিত – সেটা স্থানীয় বাজারে দর কষাকষি করাই হোক বা কোনো নির্জন পারিবারিক রেস্তোরাঁয় রাতের খাবার অর্ডার করাই হোক, যেখানে ইংরেজিতে কথা বলাই হয় না। nestঅভিধানবিহীন ভ্রমণের ভবিষ্যৎ দৃশ্যত আরও এক ধাপ এগিয়ে গেল।
