Про це під час конференції GITEX AI Europe 2026 у Берліні розповів науковий керівник компанії DeepL Штефан Мескен, передає агентство «Інтерфакс-Україна».
За словами Мескена, переломний момент для текстового перекладу за допомогою ШІ відбувся ще у 2017–2018 роках. Останні три роки розробники фокусувалися на тому, щоб застосувати цей досвід до усного мовлення. Цей процес виявився складнішим через потребу передавати не лише суть тексту, а й емоційну складову та унікальні характеристики голосу спікера.
Науковець навів приклад із конференції у Токіо наприкінці минулого року. Тоді компанія паралельно із живим синхронним перекладом тестувала свій продукт DeepL Voice.
«Приблизно через пів години професіонали в цій галузі усвідомили, що технології вже можуть забезпечити кращий досвід. Синхронний переклад людиною є дуже складним завданням і займає близько 30 секунд. З технологіями це зводиться приблизно до 3 секунд. Тож ви отримуєте набагато більше вражень від живого прослуховування», — пояснив представник компанії.
Наразі DeepL зосереджена на наступному етапі розвитку технології — перекладі з повним збереженням емоційних особливостей. Під час роботи алгоритму спочатку голос ШІ звучить дещо роботизовано, але вже за три секунди система вивчає особливості мовлення людини та адаптується, копіюючи її тембр та інтонації. Під час виступу в Берліні розробники продемонстрували цю функцію: англійська мова перекладалася німецькою в онлайні з точним відтворенням голосів учасників на сцені.
Мескен впевнений, що такий прорив дозволить людям і компаніям комфортніше працювати та вести бізнес, виступаючи рідною мовою. Звертаючись до одного з глядачів у залі, який розповів, що знає шість мов, науковець пожартував:
«Шість мов? Це неймовірно. Поаплодуйте цьому чоловікові. Але виявиться, що це була марна трата часу, друже. Зовсім скоро ви зможете просто підключати людей до своїх окулярів чи чогось подібного».
Раніше німецький стартап представив новий продукт — DeepL Agent, який має автоматизувати рутинні процеси у компаніях та стати конкурентом для рішень від OpenAI, Anthropic і Microsoft.
/
Штучний інтелект у голосовому перекладі долає етап «моторошної долини» та досягає рівня природного спілкування зі збереженням емоцій та інтонацій. Завдяки новим технологіям люди зможуть вільно розмовляти рідною мовою без бар’єрів за допомогою смарт-окулярів чи телефонів.