Szimultán tolmácsol a legújabb, fülhallgatókba építhető mesterséges intelligencia. Hogy mi? Képzeld el, hogy egy vacsorára vagy hivatalos, ahol mindenki más nyelven beszél – egyszerre. Ennek a kihívásnak áll elébe a Spatial Speech Translation, egy fülhallgatóba építhető, mesterséges intelligencián alapuló tolmácsrendszer, amelyet a Washingtoni Egyetem kutatói fejlesztettek ki. Az új rendszer két algoritmust használ: az egyik régiókra osztja a fejhallgatót viselő körüli teret, és detektálja a beszélőket, míg a másik franciáról, németről vagy spanyolról angolra fordítja a kihallott beszédet. A Spatial Speech Translation csapata jelenleg azon dolgozik, hogy a rendszernek az azonnali tolmácsoláshoz szükséges gondolkodási idejét minimálisra csökkentse.
Kontextus. Az elmúlt években a nagy nyelvi modellek (LLM) óriási előrelépést hoztak a beszédfordításban. Ezért a legnagyobb nyelvek közötti fordítás, ahol az algoritmusok tanításához rengeteg adat áll rendelkezésre, közel tökéletes az olyan alkalmazásokban, mint a Google Translate vagy a ChatGPT – számos nyelven azonban még mindig nem zökkenőmentes és azonnali.
Jóvilág Qubit+ Hírlevél