Google Translatotron – একযোগে বক্তৃতা অনুবাদ প্রযুক্তি যা ব্যবহারকারীর ভয়েস অনুকরণ করে

Google-এর বিকাশকারীরা একটি নতুন প্রকল্প উপস্থাপন করেছে যাতে তারা একটি প্রযুক্তি তৈরি করেছে যা এক ভাষা থেকে অন্য ভাষায় অনুবাদ করতে সক্ষম। নতুন অনুবাদকের মধ্যে প্রধান পার্থক্য, যাকে বলা হয় Translatotron, এবং এর অ্যানালগগুলি হল যে এটি মধ্যবর্তী পাঠ্য ব্যবহার না করেই একচেটিয়াভাবে শব্দের সাথে কাজ করে। এই পদ্ধতিটি অনুবাদকের কাজকে উল্লেখযোগ্যভাবে গতিশীল করা সম্ভব করেছে। আরেকটি উল্লেখযোগ্য বিষয় হল যে সিস্টেমটি বেশ সঠিকভাবে স্পিকারের ফ্রিকোয়েন্সি এবং টোন অনুকরণ করে।

ট্রান্সলাটোট্রন তৈরি করা হয়েছিল ক্রমাগত কাজের জন্য ধন্যবাদ যা বেশ কয়েক বছর সময় নিয়েছে। গুগলের গবেষকরা দীর্ঘদিন ধরে সরাসরি বক্তৃতা রূপান্তরের সম্ভাবনা বিবেচনা করছেন, কিন্তু সম্প্রতি পর্যন্ত তারা তাদের পরিকল্পনা বাস্তবায়ন করতে পারেনি।

বর্তমানে ব্যবহৃত যুগপত অনুবাদ সিস্টেমগুলি প্রায়শই একই অ্যালগরিদম অনুযায়ী কাজ করে। প্রাথমিক পর্যায়ে মূল বক্তব্য পাঠে রূপান্তরিত হয়। এক ভাষার টেক্সট তখন অন্য ভাষায় টেক্সটে পরিণত হয়। এর পরে, ফলস্বরূপ পাঠ্যটি পছন্দসই ভাষায় বক্তৃতায় রূপান্তরিত হয়। এই পদ্ধতিটি ভাল কাজ করে, তবে এটি এর ত্রুটিগুলি ছাড়া নয়। প্রতিটি পর্যায়ে, ত্রুটিগুলি ঘটতে পারে যা একে অপরকে ওভারল্যাপ করে এবং অনুবাদের গুণমানকে হ্রাস করে।

পছন্দসই ফলাফল অর্জনের জন্য, গবেষকরা শব্দ স্পেকট্রোগ্রামগুলি অধ্যয়ন করেছিলেন। তারা অডিওকে টেক্সটে রূপান্তর করার ধাপগুলি এড়িয়ে গিয়ে একটি ভাষায় একটি বর্ণালীগ্রামকে অন্য ভাষায় একটি বর্ণালীগ্রামে পরিণত করার চেষ্টা করেছিল।

এটি লক্ষণীয় যে এই জাতীয় রূপান্তরের জটিলতা সত্ত্বেও, বক্তৃতা প্রক্রিয়াকরণ এক ধাপে ঘটে, এবং তিনটিতে নয়, যেমনটি আগে ছিল। পর্যাপ্ত পরিমাণে কম্পিউটিং শক্তি থাকায়, ট্রান্সল্যাটোট্রন একযোগে অনুবাদ অনেক দ্রুত করবে। আরেকটি গুরুত্বপূর্ণ বিষয় হল যে এই পদ্ধতিটি আপনাকে মূল ভয়েসের বৈশিষ্ট্য এবং স্বর সংরক্ষণ করতে দেয়।

এই পর্যায়ে, ট্রান্সল্যাটোট্রন স্ট্যান্ডার্ড সিস্টেমের মতো একই উচ্চ অনুবাদের নির্ভুলতা নিয়ে গর্ব করতে পারে না। তা সত্ত্বেও, গবেষকরা বলছেন যে বেশিরভাগ অনুবাদই যথেষ্ট মানসম্পন্ন। ভবিষ্যতে, ট্রান্সল্যাটোট্রন নিয়ে কাজ চলতে থাকবে, কারণ গবেষকরা একই সাথে বক্তৃতা অনুবাদকে আরও ভালো করতে চান।

উত্স: 3dnews.ru