От Google Translate к Gemini. Новая модель приближает синхронный перевод к живому диалогу

Двадцать лет назад Google Translate был всего лишь одним из первых машинных экспериментов с языком. Сначала он переводил коряво и смешно, потом сносно. Потом вполне прилично. Но одна проблема долгое время оставалась нерешенной: система всегда ждала, пока собеседник закончит говорить, и только потом начинала переводить. Разговор через такой переводчик напоминал не живую беседу, а сеанс связи с задержкой, в котором каждый участник вынужден терпеть паузы и смотреть в потолок. 9 июня 2026 года Google представила новую аудиомодель для перевода речи в режиме реального времени более чем на 70 языков. Именно она должна наконец закрыть этот раздражающий пробел.

Как работает потоковый перевод

Основополагающее отличие от предыдущих подходов кроется в принципе обработки звука. Классический машинный перевод работает пошагово: система ждет окончания предложения, обрабатывает его и только потом выдает переведенную версию. Это вводит паузу, которая разрушает ритм диалога. Новая модель Live Translate устроена иначе. Система обрабатывает речь по мере поступления аудиосигнала и выдает перевод с задержкой в несколько секунд. Такой подход помогает снизить количество пауз и разрывов в диалоге.

Здесь есть тонкий момент, который Google признает открыто. Модель балансирует между двумя противоположными требованиями: с одной стороны, нужно дождаться достаточного контекста, чтобы перевести качественно, потому что многие языки ставят глагол или отрицание в конце предложения. С другой, нужно выдавать перевод немедленно, чтобы оставаться в синхроне с говорящим. Найти равновесие между этими двумя требованиями – в этом и состоит главная инженерная задача, которую пришлось решать разработчикам.

Отдельная деталь, которая делает результат ощутимо человечнее: нейросеть автоматически распознает более 70 языков, и при этом сохраняются оригинальная интонация, а также темп речи и высота голоса говорящего. То есть, это уже не просто перевод слов. Система пытается передать эмоциональную окраску речи, а не выдать одинаково ровный роботизированный голос вне зависимости от того, кто и с какими интонациями говорит на входе.

Где появится и как использовать

Обозреваемая функция уже начала внедряться в экосистему Google и появляется сразу в нескольких сервисах. В приложении Google Translate функция Live Translate интегрирована в привычный интерфейс и не требует сложной настройки. Перевод запускается прямо во время разговора и может выводиться через подключенные наушники, что делает общение более естественным и непрерывным. Система автоматически подстраивает голос перевода под исходную речь, стараясь сохранить интонации и ритм говорящего. Если гарнитура недоступна, предусмотрен альтернативный режим: перевод можно слушать через динамик смартфона, просто приблизив устройство к уху во время диалога.

Обновление можно считать особенно значимым в плане корпоративного использования. В Google Meet поддержка языков расширяется с пяти до более чем 70, а количество языковых комбинаций внутри одной встречи превышает 2000. Предыдущая версия системы требовала обязательного наличия английского языка. Теперь данное ограничение снимается. Международный созвон с участниками из разных стран, каждый из которых говорит на родном языке, перестает быть коммуникативным кошмаром.

Кто уже тестирует и что с ограничениями

Среди первых партнеров, тестирующих технологию, значится малайзийская технологическая компания Grab. Организация использует модель для голосового общения между водителями и пассажирами в режиме реального времени в многоязычной среде. Там таких звонков происходит более десяти миллионов в месяц. Запрос живой: людям нужно быстро объяснить маршрут или место встречи, не переключаясь на текстовые переписки и не ища переводчика в браузере.

Через API сторонние разработчики получают возможность встраивать синхронный перевод в собственные приложения. По сути, компания открывает технологию синхронного перевода для любого приложения, которое занимается голосовыми коммуникациями.

При этом Google не скрывает ограничений и минусов своего продукта. Система не идеальна: сгенерированные голоса могут быть непоследовательными и слегка менять тембр на протяжении сессии. Автоматическое распознавание языка может давать сбои при нестандартном акценте, при языках, схожих друг с другом, или когда говорящий быстро переключается с одного языка на другой. Но такое признание скорее внушает доверие, чем разочаровывает.

Разумеется, эта функция не решает проблему языкового барьера раз и навсегда. Но это первый инструмент, который всерьез приближается к тому, чтобы сделать разговор между людьми, говорящими на разных языках, похожим на обычную беседу, а не на упражнение в терпении.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.