Google เปิดตัว Gemini 3.5 Live Translate โมเดล AI สำหรับแปลเสียงพูดได้แบบเรียลไทม์และรองรับมากกว่า 70 ภาษาจากทั่วโลก พร้อมยังคงโทนเสียงและจังหวะการพูดของต้นฉบับเอาไว้ได้
Gemini 3.5 Live Translate โมเดลเสียงล่าสุดของทาง Google ที่รองรับการแปลเสียงพูดเป็นคำพูดได้แบบเกือบเรียลไทม์กว่า 70 ภาษา โดยจุดที่ทำให้ โมเดลเสียงนี้แตกต่างจากระบบแปลภาษาทั่วไป คือโมเดลนี้ไม่จำเป็นต้องรอให้ผู้พูดพูดจบก่อนแต่สามารถแปลหรือสร้างเสียงออกมาได้เลยอย่างต่อเนื่องไม่มีจังหวะหยุดที่น่าอึดอัดแม้จะดีเลย์ตามหลังผู้พูดเพียงไม่กี่วินาทีตลอดการสนทนา
ซึ่งในขณะที่ตรวจจับภาษาได้อัตโนมัติโดยไม่ต้องตั้งค่าเอง และมีความสามารถในการตัดเสียงรบกวนช่วยให้ผู้ใช้มั่นใจได้ว่าแอปพลิเคชันจะทำงานได้ดีแม้ในสภาพแวดล้อมที่มีเสียงดังและคาดเดาไม่ได้
เข้าถึงได้จากหลากหลายช่องทาง
Gemini 3.5 Live Translate จะเริ่มทยอยเปิดใช้งานตั้งแต่วันนี้ในผลิตภัณฑ์ต่างๆ ของทาง Google
- นักพัฒนาซอฟต์แวร์: เปิดให้ใช้งานในเวอร์ชัน Public Preview ผ่าน Gemini Live API และ Google AI Studio
- องค์กรธุรกิจ: เปิดให้ใช้งานในเวอร์ชัน Private Preview เริ่มตั้งแต่เดือนนี้ทาง Google Meet
- สำหรับผู้ใช้ทั่วไป: เปิดให้ใช้งานผ่าน Google Translate ทั้งบน Android และ iOS
สำหรับทาง Android จะเปิดให้บริการ ‘โหมดการฟัง’ (Listening Mode) แบบใหม่ที่จะช่วยให้คุณได้ยินเสียงแปลโดยตรงผ่านหูฟังในโทรศัพท์ เพียงแค่ยกโทรศัพท์ขึ้นมาแนบหูเหมือนการคุยสายปกติทาง และ Google Meet ก็มีการอัปเดตจากรองรับเพียง 5 ภาษาเป็น 70 ภาษาและสามารถแปลภาษาข้ามคู่ภาษาได้มากกว่า 2,000 คู่ในการประชุมเพียงครั้งเดียวจากเดิมที่ต้องมีภาษาอังกฤษเป็นต้นทางหรือปลายทางเสมอ
โดยพาร์ทเนอร์เจ้าแรก ๆ ที่ได้นำโมเดลไปทดสอบคือ Grab ที่ต้องการใช้เพื่อแก้ปัญหาการสื่อสารกันระหว่างคนขับและผู้โดยสารที่พูดกันต่างภาษา ซึ่งในปัจจุบันนี้ทาง Grab ได้มีการโทรติดต่อกันด้วยเสียงผ่านแอปพลิเคชั่นมากกว่า 10 ล้านครั้งในแต่ละเดือน นอกจากนี้ยังมี CJ ENM และ LiveKit ที่ให้ฟีดแบ็กแก่ Google ในเชิงบวกด้านคุณภาพและความแม่นยำเช่นกัน
ความปลอดภัยที่ได้รับ
หลังจากการทดลองใช้อาจเกิดความกังวลใจแก่ผู้ใช้ในด้านที่เสียงที่โมเดลสร้างขึ้นอาจถูกนำไปใช้ได้ ทาง Google เห็นถึงสิ่งที่อาจเกิดขึ้นเลยแก้ปัญหาด้วยการที่เสียงทั้งหมดที่ทางโมเดลได้สร้างขึ้นจะถูกฝังลายน้ำดิจิทัลด้วย SynthID ซึ่งจะมองไม่เห็นด้วยตาเปล่าแต่สามารถตรวจจับได้เพื่อป้องกันการให้ข้อมูลที่ไม่ถูกต้องและสามารถตรวจสอบรายละเอียดเกี่ยวกับแนวทางด้านความปลอดภัยและความรับผิดชอบได้เพิ่มเติมที่ Model Card นั่นเอง
นอกจากนี้สำหรับผู้ใช้ทั่วไปสิ่งที่จะเปลี่ยนแปลงไปในชีวิตประจำวันคือ Google Traslate บนโทรศัพท์จะสามารถแปลภาษาได้ลื่นไหลและเป็นธรรมชาติมากขึ้นกว่าเดิมโดยเฉพาะสถานการณ์ที่ต้องสื่อสารกันต่างภาษาแบบเรียลไทม์ ไม่ว่าจะเที่ยวต่างประเทศ ประชุมกับชาวต่างชาติหรือแม้แต่ดูคอนเทนต์ที่ไม่มีซับไตเติ้ล ยิ่งกว่านั้นการที่โมเดลนี้ยังสามารถคงโทนเสียงของต้นฉบับไว้จะทำให้การแปลภาษาดูเป็นมนุษย์มากขึ้น และในระยะยาวก็สามารถเปลี่ยนวิธีการเสพคอนเทนต์และการทำงานระหว่างต่างภาษาไปได้เลย
ที่มา: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-live-3-5-translate/
