شرکت گوگل روز دوشنبه (۹ ژوئن ۲۰۲۶) از جدیدترین مدل ترجمه صوتی خود با نام «Gemini 3.5 Live Translate» رونمایی کرد. این فناوری پیشرفته که برای ترجمه همزمان گفتار به گفتار (Speech-to-Speech) طراحی شده، قادر است در لحظه و بدون نیاز به تنظیمات دستی، زبان بیش از ۷۰ کشور جهان را شناسایی و ترجمه کند.
پایان عصر ترجمههای قطع و وصل؛ «همیشه در حال صحبت کردن»
تفاوت اصلی این مدل با سیستمهای ترجمه سنتی در تداوم فرآیند ترجمه است. در حالی که سیستمهای قدیمی برای ترجمه، مجبور بودند منتظر بمانند تا گوینده جمله خود را به پایان برساند، Gemini 3.5 یک فرآیند «جریانی» از ترجمه را ارائه میدهد. این فناوری به طور همزمان به صحبتهای گوینده گوش میدهد و خروجی ترجمه را بدون وقفه و فقط با چند ثانیه تاخیر تولید میکند.
این قابلیت به لطف بهرهمندی از مدلهای زبانی بزرگ (LLM) گوگل امکانپذیر شده و گفتگوهای چندزبانه را به سطحی کاملاً طبیعی و روان نزدیک کرده است.
تنها ترجمه، بلکه بازآفرینی صدا با «SynthID»
Gemini 3.5 Live Translate فراتر از یک مبدل کلمات عمل میکند. این مدل هوشمند میتواند** لحن، آهنگ صدا، زیر و بمی (Pitch) و حتی سرعت گفتار** گوینده اصلی را حفظ کند و صدای ترجمه شده را به جای یک ربات خشک، بسیار شبیه به گوینده واقعی ارائه دهد.
علاوه بر این، تمامی خروجیهای صوتی تولید شده توسط این ابزار به صورت خودکار توسط سیستم SynthID واترمارک (نشانهگذاری) میشوند تا احتمال سوءاستفاده از فناوریهای صوتی جعلی (Deepfake) به حداقل برسد.
نسل جدید Google Meet؛ از ۵ زبان به بیش از ۲۰۰۰ ترکیب زبانی
یک نقطه عطف بزرگ دیگر در این بهروزرسانی، ادغام این فناوری در سرویس Google Meet است. پیش از این، قابلیت ترجمه همزمان در Google Meet تنها به ۵ زبان محدود بود؛ اما پس از این ارتقا، این سرویس از بیش از ۷۰ زبان پشتیبانی خواهد کرد و به بیش از ۲,۰۰۰ ترکیب زبانی مختلف در یک جلسه آنلاین اجازه تعامل میدهد. این پیشرفت بزرگ، نیاز به وجود یک «زبان واسط» مانند انگلیسی را در جلسات بینالمللی برطرف میکند.
همچنین، Google Meet از این ماه، با یک «پیشنمایش خصوصی» برای مشتریان تجاری، این قابلیت را آغاز خواهد کرد.
حالت «گوش دادن» روی اندروید؛ ترجمه بدون هدفون
گوگل برای کاربران اندروید نیز یک قابلیت اختصاصی به نام «حالت گوش دادن» (Listening Mode) در نظر گرفته است. با فعال شدن این حالت، کاربران میتوانند بدون نیاز به اتصال هدفون، گوشی خود را همانند یک تماس معمولی نزدیک گوش خود بگیرند و ترجمه را مستقیماً از بلندگوی گوشی (Earpiece) بشنوند. این ویژگی برای فضاهای عمومی که استفاده از بلندگو ممکن نیست یا کاربر قصد حفظ حریم خصوصی خود را دارد، بسیار کاربردی است.
در دسترس بودن و نحوه دسترسی
مدل Gemini 3.5 Live Translate از امروز به طور تدریجی در اختیار کاربران قرار میگیرد:
- کاربران عمومی: از طریق اپلیکیشن Google Translate روی پلتفرمهای اندروید و iOS و با استفاده از هر نوع هدفونی قابل استفاده است.
- توسعهدهندگان: از طریق Gemini Live API و Google AI Studio در نسخه پیشنمایش عمومی (Public Preview) در دسترس است.
- کسبوکارها: مشتریان Google Workspace میتوانند این ماه از نسخه پیشنمایش خصوصی آن در Google Meet بهرهمند شوند.
به این ترتیب، گوگل بار دیگر مرزهای فناوری ترجمه را جابهجا کرده و دنیایی را به تصویر میکشد که در آن «دیوار زبانی»، دیگر یک مانع جدی برای ارتباطات انسانی و تجاری محسوب نمیشود.
