DeepL пусна преводач на устна реч в реално време
Немската компания DeepL показа нова функционалност в своя онлайн-преводач DeepL Voice, ориентирана към потребление в диалози онлайн и видеоконференции. Сега потребителите могат да превеждат устната тирада от един език на различен и да го обръщат в текст в действително време, оповестява TechCrunch. Тази стъпка беше още един отговор на възходящия интерес към услугите, основани на изкуствен интелект.
Системата за машинен превод DeepL Voice, която съгласно самата компания създава преводи с „ невиждано високо качество “, поддържа 13 езика — британски, немски, японски, корейски, шведски, холандски, френски, турски, полски, португалски, съветски, испански и италиански. Освен това от платформата се поддържат и текстови надписи на 33 езика,.
Новият артикул на DeepL може да работи както във формат „ огледало “, където преводите се изобразяват на екрана на телефона, тъй че участниците в срещата да могат да видят преведения текст, по този начин и под формата на надписи за видеоконференции. Засега DeepL Voice поддържа единствено интеграция с Microsoft Teams, което, съгласно създателя на компанията Ярек Кутиловски, в действителност покрива по-голямата част от тяхната потребителска база. Все още няма информация за поддръжка на други услуги, като Zoom или Гугъл Meet.
Кутиловски означи, че DeepL Voice е първата стъпка на компанията в региона на гласовите технологии и се възнамерява по-нататъшно развиване на продукта. Той акцентира, че гласовият превод се е трансформирал в една от основните области, които ще се развиват интензивно през идващите години, до момента в който DeepL ще продължи да усъвършенства качеството на своите преводи посредством създаване на лични AI модели, с помощта на които е допустимо да се реализира по-висока акуратност, изключително в действително време.
Ръководителят на компанията приказва и за вероятните сюжети за потребление на новата функционалност. Например в бранша на услугите, където чиновниците на заведения за хранене, кафенета и хотели ще могат да поддържат връзка с клиентите, които приказват разнообразни езици. Що се отнася до поверителността на данните, защото обработката на гласовете на потребителите се прави на сървърите на компанията, Катиловски увери, че DeepL не резервира или употребява аудио записите, с цел да образова своите модели, и също по този начин дава отговор на всички условия на GDPR и други разпореждания.
Струва си да се означи, че DeepL не е единствената компания, която работи върху сходни решения. Гугъл и други стартъп компании като Eleven Labs и Panjaya също създават услуги за гласов превод, които обръщат аудио в текст.
Нека си напомним, че DeepL по-рано показа и нов AI-модел, който превъзхожда GPT-4 при превода и редактирането. Моделът е обучаван от DeepL цели седем години на събирани преди този момент данни от наличие и преводи.
