Германският технологичен лидер в преводите DeepL (най-накрая) стартира услуга за пренос на глас към текст. Тя се нарича DeepL Voice и превръща аудиозаписи от разговори на живо или видео разговори в преведен текст.

Потребителите на DeepL вече могат да слушат хора, говорещи на език, който не разбират, и автоматично да го превеждат на такъв, който разбират – в реално време. В момента новата функция поддържа английски, немски, японски, корейски, шведски, холандски, френски, турски, полски, португалски, руски, испански и италиански език.

Това, което прави стартирането на DeepL Voice вълнуващо, е, че тя работи със същите невронни мрежи като предложението на компанията за превод на текст, за което тя твърди, че е „най-добрият“ преводач с изкуствен интелект в света.

Като човек, който току-що се е преместил в чужда държава, искам да изпробвам преводач от глас към текст, който наистина може да работи. Всички, които съм пробвал досега, не работят в реално време – има забавяне, което ги прави доста безполезни – и качеството на превода е доста лошо.

За разговори лице в лице можете да стартирате DeepL Voice на мобилния си телефон и да го поставите между вас и другия говорещ. След това той показва разговора ви, така че всеки човек да може да следи преводите лесно на едно устройство.

Можете също така да интегрирате DeepL Voice в Microsoft Teams и да провеждате видеоконференции през езиковите бариери. Преведеният текст се появява в страничната лента като надписи. Предстои да видим дали DeepL Voice скоро ще бъде наличен в платформи като Zoom или Google Meet.

Друго ниво

Въпреки че това е първото подобно предложение на DeepL, то едва ли ще бъде последното. Основателят и главен изпълнителен директор на DeepL, Ярек Кутиловски, нарече гласовия превод в реално време „следващата граница“ за бизнеса.

„DeepL вече е лидер в писмения превод, но преводът на реч в реално време е съвсем различна история“, каза основателят и главен изпълнителен директор на DeepL Ярек Кутиловски.

„Когато превеждате речта в момента на нейното възникване, се сблъсквате с непълно въвеждане, проблеми с произношението, закъснение и други, които могат да доведат до неточни преводи и лошо потребителско преживяване.

„Затова създадохме решение, което ще вземе тези фактори предвид още от самото начало и ще даде възможност на бизнеса да премахне езиковите бариери, като му даде възможност да комуникира на няколко езика според нуждите“, каза Кутиловски.

Качеството вероятно ще бъде отличителният фактор на DeepL Voice от безбройните други доставчици на преводи от глас на текст.

От технологична гледна точка успехът на DeepL се крие в архитектурата на нейните невронни мрежи, данните от човешките редактори и данните за обучение. Но Кутиловски смята, че компанията има и едно ключово предимство пред конкурентите си: фокусът.

„Фокусът винаги е важно нещо“, каза преди това Кутиловски. „Преводът не е основната дейност на Google – той е една от 100-те странични дейности. Същото важи, ако разглеждате LLM и OpenAI на този свят като наши конкуренти; преводът е само едно нещо от това, което те правят, а техният GPU се занимава с куп различни неща. Ние сме фокусирани върху една конкретна област.“

През май DeepL достигна оценка от 2 млрд. долара, след като си осигури нова инвестиция в размер на 300 млн. долара (277 млн. евро). Той покрива 32 езика и наброява над 100 000 бизнес потребители.