Gemini 3.5 Live Translate : વિવિધ પ્રદેશોના લોકો વચ્ચે ભાષા હંમેશા એક મુખ્ય અવરોધ રહી છે. હવે આ સમસ્યાનો અંત લાવવા માટે ગૂગલે એક મોટું પગલું ભર્યું છે. કંપનીએ તેનું નવું સ્પીચ-ટુ-સ્પીચ ટ્રાન્સલેશન મોડેલ જેમિની 3.5 લાઈવ ટ્રાન્સલેટ રજૂ કર્યું છે, જે 70 થી વધુ ભાષાઓને ઓળખી શકે છે અને રીઅલ-ટાઇમમાં અનુવાદ કરી શકે છે. તે ફક્ત શબ્દોનો અનુવાદ જ નથી કરતું, પણ વક્તાના અવાજના સ્વર, ગતિ અને અભિવ્યક્તિને પણ જાળવી રાખે છે.
Gemini 3.5 Live Translate, ખચકાટ વગર કામ થશે
એક બ્લોગ પોસ્ટમાં, ગૂગલે સમજાવ્યું કે આ પ્રોજેક્ટ મશીન લર્નિંગના પ્રારંભિક પ્રયાસોમાં આગળનું પગલું છે જે લગભગ બે દાયકા પહેલા શરૂ થયું હતું અને આજે આ તબક્કે પહોંચ્યું છે. કંપની કહે છે કે આ ટેકનોલોજી ખાસ કરીને બહુભાષી મીટિંગ્સ, લાઇવ બ્રોડકાસ્ટ્સ, ઓનલાઈન વર્ગો, ગ્રાહક સપોર્ટ અને રીઅલ-ટાઇમ ભાષાંતક જેવા કાર્યો માટે રચાયેલ છે. આનો અર્થ એ છે કે, હવે તમે કોઈ પણ મુશ્કેલી કે, ખચકાટ વિના વિદેશી ક્લાયન્ટ અથવા અલગ ભાષા બોલતા વ્યક્તિ સાથે વાતચીત કરી શકો છો.
Gemini 3.5 Live Translate, ઘોંઘાટ વચ્ચે પણ કામ કરશે
આ મોડેલની સૌથી ખાસ વાત એ છે કે તે સ્ટ્રીમ થતી વખતે ઓડિયોને પ્રોસેસ કરે છે, એટલે કે, જેમ જેમ કોઈ બોલે છે, તેમ તેમ અનુવાદ તૈયાર થાય છે. મુખ્ય સ્પીકરમાંથી થોડીક સેકન્ડના વિલંબ પછી જ અનુવાદ વગાડવામાં આવે છે. વારા-આધારિત અનુવાદ પ્રણાલીઓમાં થતા લાંબા વિરામ આ મોડેલમાં ગેરહાજર છે. આ ઉપરાંત, તે ઘોંઘાટીયા વાતાવરણમાં પણ સચોટ રીતે કાર્ય કરે છે અને આપમેળે ભાષાને ઓળખે છે, જેનો અર્થ એ છે કે, કોઈ મેન્યુઅલ સેટિંગ્સ કરવાની જરૂર નથી.
સીધો જ અનુવાદિત અવાજ સંભળાશે
આ ટેકનોલોજી ગુગલ મીટમાં પણ ઉમેરવામાં આવી રહી છે. પહેલા ગૂગલ મીટમાં ફક્ત પાંચ ભાષાઓમાં અનુવાદ ઉપલબ્ધ હતો, પરંતુ હવે ગૂગલે તેને વધારીને 70 થી વધુ ભાષાઓમાં કરી દીધો છે. આ સુવિધા iOS, Android અને Google Translate એપ્લિકેશનમાં પણ આવી રહી છે, જ્યાં તેને લાઇવ ટ્રાન્સલેશન તરીકે ઓળખવામાં આવશે. એન્ડ્રોઇડ યુઝર્સ માટે એક લિસનિંગ મોડ પણ આવી રહ્યો છે, જેના દ્વારા સ્માર્ટફોનના ઇયરપીસમાંથી સીધા જ અનુવાદિત અવાજ સાંભળી શકાય છે.
SynthID વોટરમાર્ક એમ્બેડેડ હશે
AI-જનરેટેડ સામગ્રી વિશે ઉઠાવવામાં આવેલી ચિંતાઓ અંગે, ગૂગલે સ્પષ્ટપણે જણાવ્યું છે કે Gemini 3.5 Live Translate સાથે જનરેટ થયેલા તમામ ઑડિઓમાં SynthID વોટરમાર્ક એમ્બેડેડ હશે. આ કંપનીની પોતાની વોટરમાર્કિંગ ટેકનોલોજી છે, જે AI-જનરેટેડ કન્ટેન્ટને ઓળખવામાં મદદ કરે છે. ડેવલપર્સ Gemini Live API અને Google AI સ્ટુડિયો દ્વારા જાહેર પૂર્વાવલોકનમાં આ મોડેલને ઍક્સેસ કરી શકે છે.
આ પણ વાંચો - Google Cloud Outage : આગ અકસ્માતની ઘટનાથી ખૂણે-ખૂણે સમસ્યા અનુભવાઇ
