Германската компанија за вештачка интелигенција DeepL воведува технологија која во реално време може да го преведува говорот на друг јазик, задржувајќи ги карактеристиките на гласот на говорникот, вклучително тонот, брзината и емоционалниот израз.
Со проширувањето на DeepL Voice, компанијата влегува во директна трка со Google, Microsoft и OpenAI за една од најамбициозните примени на генеративната вештачка интелигенција – разговор меѓу луѓе кои зборуваат различни јазици без традиционален преведувач.
Новата десктоп-апликација за Windows и Mac е наменета за користење со платформи за видеосостаноци како Zoom, Microsoft Teams и Google Meet.
Говорот може да се преведува на повеќе од 30 јазици, додека функцијата Speaker Match првично може да го зачува идентитетот на гласот на 14 јазици.
Не само зборовите – ВИ го пренесува и начинот на кој зборувате
Главната новина е обидот преведениот говор да не звучи како генерички синтетички глас.
DeepL сака ВИ да ги препознае индивидуалните карактеристики на говорникот и да ги пренесе на другиот јазик.
Ако човек зборува брзо, возбудено или со одредена емоција, системот треба да се обиде истите карактеристики да ги задржи и во преводот.
„Нашиот глас покажува кои сме. Тој пренесува многу повеќе од само зборови“, изјави основачот и извршен директор на DeepL, Јарек Кутиловски.
Неговата цел, како што вели, е корисникот на крајот речиси да заборави дека во разговорот воопшто посредува систем за преведување со вештачка интелигенција.
Од титлови кон разговор без јазична бариера
DeepL Voice беше лансиран пред нешто повеќе од една година и досега главно беше насочен кон преведување преку титлови за време на видеоконференции.
Новата технологија го менува тој пристап.
Наместо корисникот да го слуша оригиналниот говор и да чита превод на екранот, целта е да слушне директно преведен говор кој ги задржува карактеристиките на оригиналниот говорник.
Тоа би можело значително да го промени начинот на кој се одржуваат меѓународни деловни состаноци, конференции и разговори на далечина.
DeepL против Google, Microsoft и OpenAI
Компанијата од Келн се соочува со сè посилна конкуренција од најголемите американски технолошки компании, кои инвестираат милијарди во мултимодални ВИ-модели способни истовремено да обработуваат текст, слика и говор.
DeepL се обидува да се позиционира преку специјализација во јазичните услуги, особено за корпоративни корисници.
Компанијата вели дека целта не е само преведување поединечен документ или состанок, туку создавање систем кој ќе користи иста терминологија низ документите, електронската комуникација и говорните разговори на една компанија.
DeepL наведува дека има повеќе од 200.000 деловни корисници.
Компанијата отпушти четвртина од вработените
Технолошкото проширување доаѓа само неколку месеци откако DeepL најави големо преструктуирање.
Во мај компанијата соопшти дека ќе укине 250 работни места, приближно една четвртина од тогашниот број вработени.
Кутиловски тогаш ги поврза промените со новите начини на работа во ерата на вештачката интелигенција.
Сега компанијата повторно вработува во Германија и во други земји и има околу 900 вработени.
DeepL е основан во 2017 година, а меѓу неговите инвеститори се Benchmark, IVP и Index Ventures.
Што ќе се случи со човечките преведувачи?
Напредокот на директното говорно преведување отвора пошироко прашање за иднината на преведувачката професија.
Доколку системите можат во реално време не само да ги преведат зборовите, туку и да го репродуцираат гласот и емоцијата на говорникот, дел од секојдневните деловни состаноци би можеле да се одвиваат без човечки преведувач.
Но технологијата отвора и прашања за точноста, приватноста и употребата на гласовниот идентитет, особено во чувствителни деловни, правни или политички разговори.
Трката затоа повеќе не е само кој ќе направи најточен превод.
Следната граница е преведениот човек да звучи – како самиот себе.
Овој текст е подготвен во рамките на проектот „Зајакнување на етичката употреба на генеративни алатки за вештачка интелигенција и медиумското покривање на вештачката интелигенција преку образованието по новинарство во Северна Македонија“, финансиран од Меѓународната програма за развој на комуникациите (IPDC) на УНЕСКО. Изразените ставови и мислења се исклучиво на авторот/авторите и не мора да ги одразуваат ставовите на УНЕСКО како донатор. При изработка на овој текст се користени помошни ВИ-системи.