Google Translatotron हे एकाचवेळी भाषण भाषांतर तंत्रज्ञान आहे जे वापरकर्त्याच्या आवाजाचे अनुकरण करते

Google च्या विकसकांनी एक नवीन प्रकल्प सादर केला ज्यामध्ये त्यांनी एका भाषेतून दुसर्‍या भाषेत बोललेल्या वाक्यांचे भाषांतर करण्यास सक्षम तंत्रज्ञान तयार केले. नवीन अनुवादक, ज्याला Translatotron म्हणतात, आणि त्याच्या analogues मधील मुख्य फरक हा आहे की तो मध्यवर्ती मजकूर न वापरता केवळ ध्वनीसह कार्य करतो. या दृष्टिकोनामुळे अनुवादकाच्या कामात लक्षणीयरीत्या गती येणे शक्य झाले. आणखी एक लक्षात घेण्याजोगा मुद्दा म्हणजे सिस्टम स्पीकरच्या वारंवारता आणि टोनचे अगदी अचूकपणे अनुकरण करते.

अनेक वर्षे लागलेल्या सतत कामामुळे ट्रान्सलाटोट्रॉन तयार केले गेले. Google मधील संशोधक बर्याच काळापासून थेट भाषण रूपांतरणाच्या शक्यतेवर विचार करत आहेत, परंतु अलीकडेपर्यंत ते त्यांच्या योजना अंमलात आणू शकले नाहीत.

आज वापरल्या जाणार्‍या एकाचवेळी भाषांतर प्रणाली बहुतेक वेळा समान अल्गोरिदमनुसार कार्य करतात. सुरुवातीच्या टप्प्यावर, मूळ भाषणाचे मजकुरात रूपांतर होते. एका भाषेतील मजकूर नंतर दुसर्‍या भाषेतील मजकूरात बदलला जातो. यानंतर, परिणामी मजकूर इच्छित भाषेत भाषणात रूपांतरित केला जातो. ही पद्धत चांगली कार्य करते, परंतु ती त्याच्या कमतरतांशिवाय नाही. प्रत्येक टप्प्यावर, त्रुटी उद्भवू शकतात ज्या एकमेकांना ओव्हरलॅप करतात आणि अनुवादाच्या गुणवत्तेत घट होऊ शकतात.

इच्छित परिणाम साध्य करण्यासाठी, संशोधकांनी ध्वनी स्पेक्ट्रोग्रामचा अभ्यास केला. त्यांनी एका भाषेतील स्पेक्ट्रोग्राम दुसर्‍या भाषेतील स्पेक्ट्रोग्राममध्ये बदलण्याचा प्रयत्न केला, ऑडिओला मजकूरात रूपांतरित करण्याच्या पायऱ्या वगळल्या.

हे लक्षात घेण्यासारखे आहे की अशा परिवर्तनाची जटिलता असूनही, भाषण प्रक्रिया एका चरणात होते, आणि तीनमध्ये नाही, जसे पूर्वी होते. त्याच्या विल्हेवाटीवर पुरेशी संगणकीय शक्ती असल्याने, ट्रान्सलाटोट्रॉन एकाचवेळी भाषांतर अधिक जलद करेल. आणखी एक महत्त्वाचा मुद्दा असा आहे की हा दृष्टिकोन तुम्हाला मूळ आवाजाची वैशिष्ट्ये आणि स्वर जतन करण्याची परवानगी देतो.

या टप्प्यावर, Translatotron मानक प्रणालींप्रमाणे उच्च भाषांतर अचूकतेचा अभिमान बाळगू शकत नाही. असे असूनही, संशोधकांचे म्हणणे आहे की बहुतेक भाषांतरे पुरेशा दर्जाची आहेत. भविष्यात, Translatotron वर काम चालू राहील, कारण संशोधकांचे एकाचवेळी भाषण भाषांतर अधिक चांगले करण्याचा हेतू आहे.

स्त्रोत: 3dnews.ru