Il prossimoProssima guida
Normalizzazione del testo per il parlato
IA audio
GUIDA AI audio
La traduzione vocale (S2ST) prende le parole pronunciate in una lingua e le produce in un'altra, preservando idealmente la voce, il tono e il tempismo di chi parla.
Ascolta questa guidaNarrato dall'IA · ~2 min
It is the long-sought 'universal translator' for live conversation.
La traduzione vocale converte l'audio in una lingua di origine in audio in una lingua di destinazione. L'approccio classico è a cascata: il riconoscimento vocale (ASR) trascrive l'input, la traduzione automatica converte il testo e la sintesi vocale (TTS) pronuncia il risultato. Funziona ma accumula errori in ogni fase e aggiunge latenza. I sistemi "diretti" o end-to-end più recenti traducono il parlato in parlato con meno passaggi intermedi del testo, riducendo il ritardo e preservando meglio le qualità espressive. La suite SeamlessM4T e Seamless di Meta traducono in circa 100 lingue e mirano a mantenere lo stile vocale, l'emozione e il ritmo di chi parla. Un problema difficile è la traduzione in tempo reale e a bassa latenza: il sistema deve iniziare a tradurre prima che finisca una frase, bilanciando velocità e precisione.
Traduzione in videochiamata dal vivo che consente ai partecipanti di parlare la propria lingua e di ascoltarsi a vicenda nella propria.
Auricolari e occhiali AR che traducono una conversazione al volo durante i viaggi all'estero.
Doppiaggio di film e video in altre lingue preservando le voci e le emozioni degli oratori originali.
Ambienti di emergenza e sanitari in cui un medico e un paziente che non condividono un linguaggio comune possono comunicare rapidamente.
L'obiettivo è una traduzione fluida e quasi istantanea che mantenga la tua voce e le tue emozioni incorporate negli auricolari, negli occhiali e nelle videochiamate. Aspettatevi una copertura linguistica più ampia con risorse limitate, una latenza inferiore e una migliore gestione dello slang, dei nomi e degli altoparlanti che si sovrappongono. La conservazione della voce solleva preoccupazioni sul consenso e sui deepfake, quindi il watermarking e le tutele aumenteranno. Man mano che i modelli per l’utilizzo sui dispositivi si riducono, la traduzione privata offline potrebbe rendere la conversazione multilingue in tempo reale una routine per i viaggi, l’assistenza sanitaria e la collaborazione globale.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
La traduzione vocale (S2ST) prende le parole pronunciate in una lingua e le produce in un'altra, preservando idealmente la voce, il tono e il tempismo di chi parla. È il "traduttore universale" tanto ricercato per le conversazioni dal vivo.
S2ST accetta l'input parlato in una lingua di origine e produce l'output parlato in una lingua di destinazione, preservando idealmente voce e tono.
Una catena a cascata concatena ASR (discorso a testo), traduzione automatica e TTS (discorso a testo), con errori potenzialmente accumulati in ogni fase.
I sistemi diretti mappano il parlato nel parlato con meno passaggi intermedi del testo, riducendo il ritardo e aiutando a mantenere qualità espressive come la prosodia.
SeamlessM4T e la suite Seamless di Meta traducono in circa 100 lingue e mirano a preservare lo stile e le emozioni di chi parla.
Poiché l'ordine delle parole differisce da una lingua all'altra, un sistema di streaming deve impegnarsi a produrre l'output prima che l'oratore finisca, sacrificando velocità e precisione.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Normalizzazione del testo per il parlato
IA audio