lab Google — The Keyword (AI) · agora mesmo · releases

Google expande IA multilíngue com Gemini 3.5, conjuntos de dados abertos e tradução offline

Traduzido do English → Português (BR)

O Google relata que suas tecnologias agora suportam mais de 300 idiomas para mais de 7 bilhões de pessoas, introduzindo novas ferramentas para melhorar a compreensão de fala, a coleta de dados para idiomas sub-representados e a acessibilidade.

O Gemini 3.5 Live Translate permite tradução falada em tempo real em 70 idiomas e mais de 2.000 pares, capturando alternância de código e sinais emocionais.
O Universal Speech Model, treinado com 12 milhões de horas de áudio, usa aprendizado de transferência interlingual para apoiar o objetivo de cobrir os 1.000 idiomas mais falados do mundo.
Parcerias de dados abertos, incluindo WAXAL, Project Vaani e a Amplify Initiative, coletaram extensos dados de fala para idiomas da África subsaariana e da Índia.
O TranslateGemma fornece modelos de tradução abertos e leves que funcionam eficientemente no dispositivo sem conexão com a internet.
Sign Language-to-Text (SL2T) impulsiona a ditado de sinais para texto no Gboard e no Live Transcribe para mais de 50 línguas de sinais, começando com a American Sign Language.

Essas inovações visam reduzir a divisão digital tornando a tecnologia de linguagem acessível offline, apoiando dialetos com poucos recursos e garantindo que as nuances culturais sejam preservadas nos sistemas de IA.

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

Artigos relacionados

media MarkTechPost · há 4 d · 8 visualizações

Google Research lança o ToolGrad, um framework de geração de dados para uso de ferramentas

Pesquisadores do Google e de várias universidades japonesas apresentaram o ToolGrad, um framework que inverte o pipeline tradicional para a geração de conjuntos de dados de uso de ferramentas, construindo primeiro cadeias de API verificadas e, em seguida, escrevendo consultas de usuário correspondentes. Essa abordagem visa eliminar a ineficiência dos métodos baseados em consulta que frequentemente falham durante a exploração por agentes.

media MarkTechPost · há 6 d · 17 visualizações

Google lança o Mantis como código aberto, um kit de ferramentas modular para agentes de codificação encontrarem, reproduzirem e corrigirem vulnerabilidades

O Google lançou o Mantis como código aberto, um conjunto de habilidades de revisão de segurança agnóstico a pilha que permite que agentes de codificação com IA executem todo o ciclo de vida das vulnerabilidades. O sistema permite que os agentes identifiquem falhas suspeitas, eliminem falsos positivos, reproduzam bugs em uma sandbox, escrevam patches mínimos, reataquem esses patches e classifiquem o risco residual.

arxiv arXiv cs.LG · há 6 d · 8 visualizações

TontaubeV1 permite streaming de texto-para-fala com contexto limitado

Pesquisadores apresentam o TontaubeV1, um modelo de texto-para-fala que preserva a prosódia natural enquanto permite inferência em streaming a partir de uma única GPU de consumo. O sistema utiliza uma representação DualCodec hierárquica a 12,5 Hz para separar fluxos semânticos de refinamentos acústicos, permitindo geração de baixa latência.

arxiv arXiv cs.CL · há 7 d · 7 visualizações

TontaubeV1 permite texto-para-fala em streaming com contexto limitado

Pesquisadores apresentam o TontaubeV1, um modelo de texto-para-fala que preserva a prosódia natural enquanto permite inferência em streaming a partir de uma única GPU de consumo. O sistema utiliza uma representação DualCodec hierárquica a 12.5 Hz para separar fluxos semânticos de refinamentos acústicos, permitindo decodificação causal apesar da natureza não causal do codec subjacente.

arxiv arXiv cs.CL · há 7 d · 5 visualizações

Relatório Técnico do AuK: Um Modelo Fundamental de Código Aberto para Geração e Edição de Fala

O relatório técnico do AuK apresenta um modelo fundamental de código aberto que unifica a geração e edição de fala por meio de instruções em linguagem natural e contexto de áudio.