谷歌发布多语言AI战略，让全球每种语言都能被听见与理解
谷歌发布全球语言人工智能领域的新成果，称其技术和产品已支持超过300种语言，覆盖约86%的世界人口。其战略重点是发展原生音频智能，让Gemini等模型直接处理和理解音频，而不是仅依赖“语音转文字”的传统流程，从而保留语调、情感、节奏和上下文。谷歌介绍了支持70种语言的实时口语翻译、适用于嘈杂环境和专业术语的语音转写，以及Gboard中的语音重写功能。为覆盖低资源语言，谷歌推进“1000种语言计划”，利用跨语言迁移学习和本地数据采集，并提到WAXAL、Project Vaani和Language Explorer。公司还推出了支持55种语言、可在设备端离线运行的轻量级开源翻译模型TranslateGemma，以及面向功能手机的语音助手、手语转写和毛利语地名本地化发音技术。相关内容同时包含既有研究、已宣布产品和未来计划。
本文来源：AIbase，仅供学习参考，版权归原作者所有。