DalšíDalší průvodce
Normalizace textu pro řeč
Zvuková AI
Zvukový průvodce AI
Překlad řeči do řeči (S2ST) přebírá mluvená slova v jednom jazyce a vytváří mluvená slova v jiném – v ideálním případě zachovává hlas mluvčího, tón a načasování.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Je to dlouho hledaný „univerzální překladač“ pro živou konverzaci.
Překlad řeči na řeč převádí zvuk ve zdrojovém jazyce na zvuk v cílovém jazyce. Klasický přístup je kaskádový: rozpoznávání řeči (ASR) přepíše vstup, strojový překlad převede text a převod textu na řeč (TTS) přečte výsledek. To funguje, ale hromadí chyby v každé fázi a zvyšuje latenci. Novější „přímé“ nebo end-to-end systémy překládají řeč na řeč s menším počtem mezilehlých textových kroků, snižují zpoždění a lépe zachovávají výrazové kvality. Sady SeamlessM4T a Seamless od Meta překládají do zhruba 100 jazyků a jejich cílem je zachovat hlasový styl, emoce a rytmus mluvčího. Obtížným problémem je překlad v reálném čase s nízkou latencí: systém musí začít překládat před dokončením věty, přičemž musí vyvažovat rychlost a přesnost.
Živý překlad videohovorů, který účastníkům umožňuje mluvit jejich vlastními jazyky a slyšet se navzájem ve svém.
Sluchátka a brýle pro AR, které překládají konverzaci za chodu na cestách do zahraničí.
Dabování filmů a videí do jiných jazyků při zachování původních hlasů a emocí mluvčích.
Pohotovostní a zdravotnická zařízení, kde klinik a pacient, kteří nesdílejí společný jazyk, mohou rychle komunikovat.
Cílem je bezproblémový, téměř okamžitý překlad, který zachová váš vlastní hlas a emoce, vložené do sluchátek, brýlí a videohovorů. Očekávejte širší pokrytí jazyků s nízkými zdroji, nižší latenci a lepší zpracování slangu, jmen a překrývajících se mluvčích. Zachování hlasu zvyšuje souhlas a obavy z hluboce falešných informací, takže vodoznaky a zabezpečení porostou. Vzhledem k tomu, že se modely zmenšují pro použití na zařízení, soukromý, offline překlad by mohl učinit vícejazyčnou konverzaci v reálném čase rutinou pro cestování, zdravotní péči a globální spolupráci.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Překlad řeči do řeči (S2ST) přebírá mluvená slova v jednom jazyce a vytváří mluvená slova v jiném – v ideálním případě zachovává hlas mluvčího, tón a načasování. Je to dlouho hledaný „univerzální překladač“ pro živou konverzaci.
S2ST přijímá mluvený vstup ve zdrojovém jazyce a vytváří mluvený výstup v cílovém jazyce, v ideálním případě zachovává hlas a tón.
Kaskáda řetězí ASR (speech-to-text), strojový překlad a TTS (text-to-speech), přičemž chyby se potenciálně hromadí v každé fázi.
Přímé systémy mapují řeč na řeč s menším počtem mezilehlých textových kroků, snižují zpoždění a pomáhají zachovat výrazové kvality, jako je prozódie.
Meta SeamlessM4T a sada Seamless se překládají do přibližně 100 jazyků a jejich cílem je zachovat styl a emoce mluvčího.
Vzhledem k tomu, že pořadí slov se v různých jazycích liší, musí se streamovací systém zavázat k výstupu před tím, než řečník skončí, přičemž rychlost musí být nahrazena přesností.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Normalizace textu pro řeč
Zvuková AI