lab Google — The Keyword (AI) · baru saja · releases

Google memperluas AI multibahasa dengan Gemini 3.5, dataset terbuka, dan terjemjian offline

Diterjemahkan dari English → Bahasa Indonesia

Google melaporkan teknologinya kini mendukung lebih dari 300 bahasa untuk lebih dari 7 miliar orang, memperkenalkan alat baru untuk meningkatkan pemahaman ucapan, pengumpulan data untuk bahasa yang kurang terwakili, dan aksesibilitas.

Gemini 3.5 Live Translate memungkinkan terjemahan ucapan secara real-time di 70 bahasa dan lebih dari 2.000 pasangan, menangkap code-switching dan isyarat emosional.
Universal Speech Model, yang dilatih pada 12 juta jam audio, menggunakan transfer learning lintas-bahasa untuk mendukung tujuan mencakup 1.000 bahasa paling banyak digunakan di dunia.
Kemitraan data terbuka termasuk WAXAL, Project Vaani, dan Amplify Initiative telah mengumpulkan data ucapan ekstensif untuk bahasa Afrika Sub-Sahara dan India.
TranslateGemma menyediakan model terjemahan terbuka ringan yang berjalan efisien di perangkat tanpa koneksi internet.
Sign Language-to-Text (SL2T) mendukung diktasi dari isyarat ke teks di Gboard dan Live Transcribe untuk lebih dari 50 bahasa isyarat, dimulai dengan American Sign Language.

Inovasi-inovasi ini bertujuan menjembatani kesenjangan digital dengan membuat teknologi bahasa dapat diakses secara offline, mendukung dialek sumber daya rendah, dan memastikan nuansa budaya tetap terjaga dalam sistem AI.

Kepentingan 1/3 Kepercayaan 3/3 Google — The Keyword (AI) Google DeepMind Open weights Voice & audio

Artikel terkait

media MarkTechPost · 4 hari lalu · 8 tayangan

Google Research merilis ToolGrad, sebuah kerangka kerja generasi data penggunaan alat

Peneliti dari Google dan beberapa universitas di Jepang telah memperkenalkan ToolGrad, sebuah kerangka kerja yang membalikkan alur tradisional untuk menghasilkan dataset penggunaan alat dengan membangun rantai API terverifikasi terlebih dahulu, lalu menulis kueri pengguna yang sesuai. Pendekatan ini bertujuan menghilangkan inefisiensi metode berbasis kueri yang sering gagal selama eksplorasi agen.

media MarkTechPost · 6 hari lalu · 17 tayangan

Google membuka sumber Mantis, toolkit modular untuk agen pemrograman guna menemukan, mereproduksi, dan menambal kerentanan

Google telah membuka sumber Mantis, sebuah toolkit keterampilan tinjauan keamanan yang agnostik terhadap tumpukan, yang memungkinkan agen pemrograman AI menjalankan seluruh siklus kerentanan. Sistem ini memungkinkan agen untuk mengidentifikasi cacat yang dicurigai, menghilangkan hasil positif palsu, mereproduksi bug dalam sandbox, menulis tambalan minimal, menyerang ulang tambalan tersebut, dan menilai risiko sisa.

arxiv arXiv cs.LG · 6 hari lalu · 8 tayangan

TontaubeV1 memungkinkan streaming teks-ke-suara dengan konteks terbatas

Para peneliti menyajikan TontaubeV1, sebuah model teks-ke-suara yang mempertahankan prosodi alami sambil memungkinkan inferensi streaming dari satu GPU konsumen. Sistem ini menggunakan representasi Hierarki DualCodec pada 12.5 Hz untuk memisahkan aliran semantik dari penyempurnaan akustik, sehingga memungkinkan generasi dengan latensi rendah.

arxiv arXiv cs.CL · 7 hari lalu · 7 tayangan

TontaubeV1 memungkinkan streaming teks-ke-suara dengan konteks terbatas

Para peneliti menyajikan TontaubeV1, sebuah model teks-ke-suara yang mempertahankan prosodi alami sambil memungkinkan inferensi streaming dari satu GPU konsumen. Sistem ini menggunakan representasi DualCodec hierarkis pada 12.5 Hz untuk memisahkan aliran semantik dari penyempurnaan akustik, memungkinkan dekode kausal meskipun sifat dasar codec tersebut nonkausal.

arxiv arXiv cs.CL · 7 hari lalu · 5 tayangan

Laporan Teknis AuK: Model Fondasional Sumber Terbuka untuk Generasi dan Pengeditan Ucapan

Laporan teknis AuK memperkenalkan model fondasional sumber terbuka yang menyatukan generasi dan pengeditan ucapan melalui instruksi bahasa alami dan konteks audio.