Google, 70’ten fazla dilde gerçek zamanlı konuşma çevirmenini kullanıma sundu

Google Alphabet Inc. ↗ 0.98%, Salı günü, konuşmayı 70'ten fazla dilde neredeyse gerçek zamanlı olarak çeviren yapay zeka destekli bir ses modeli olan Gemini 3.5 Live Translate'i piyasaya sürdü. Bu, şirketin cihaz içi çeviri teknolojisindeki en iddialı dağıtımlarından birini temsil ediyor. Aynı gün Google DeepMind, Gemma 4 mimarisine difüzyon teknikleri uygulayarak standart otoregresif modellerden dört kata kadar daha hızlı metin üreten deneysel bir açık model olan DiffusionGemma'yı tanıttı.

Dil Engelini Aşmak

Gemini 3.5 Live Translate, çıktı üretmeden önce konuşmacının bitirmesini bekleyen geleneksel sıralı çeviri sistemlerinden ayrılıyor. Bunun yerine model, konuşmayı sürekli olarak işleyip çeviriyor ve tonlama, hız ve perdeyi korurken konuşmacının sadece birkaç saniye gerisinden geliyor.blog+1

Model üç yüzeyde kullanıma sunuluyor: Android ve iOS için Google Çeviri uygulamasında küresel olarak, geliştiriciler için Gemini Live API ve Google AI Studio aracılığıyla genel ön izlemede ve bu aydan itibaren Google Meet'teki seçkin Google Workspace iş müşterileri için özel ön izlemede. Meet entegrasyonu, konuşma çevirisini daha önce desteklenen beş dilden 70'in üzerine çıkararak tek bir toplantıda 2.000'den fazla dil kombinasyonuna olanak tanıyor.9to5google+1

Android'deki yeni bir "dinleme modu", kullanıcıların normal bir arama gibi cihazı kulaklarına tutarak kulaklık kullanmadan telefonlarının ahizesinden çevirileri duymalarını sağlıyor. Oluşturulan tüm sesler, yapay zeka tarafından oluşturulan içeriği tanımlamaya yardımcı olmak için SynthID ile filigranlanıyor.India Today+2

DiffusionGemma: Difüzyon Yoluyla Metin Oluşturma

Bunun yanı sıra Google DeepMind, metni görüntü difüzyon modellerinin resim oluşturma şekline benzer şekilde üreten 26 milyar parametreli bir "uzmanlar karışımı" (mixture-of-experts) modeli olan DiffusionGemma'yı yayınladı. Model, her seferinde bir kelime tahmin etmek yerine, gürültüden başlayarak 256 tokene kadar olan tüm blokları paralel olarak iyileştiriyor.blogs.nvidia+1

Gemma 4 mimarisi üzerine inşa edilen ve çıkarım sırasında sadece 3,8 milyar parametreyi etkinleştiren DiffusionGemma, tek bir Nvidia ↗ 1.50% H100 GPU üzerinde saniyede 1.000'den fazla token ve tüketici sınıfı GeForce RTX 5090 üzerinde saniyede yaklaşık 700 token hızına ulaşıyor. Model ağırlıkları, Apache 2.0 açık kaynak lisansı altında Hugging Face'te mevcuttur.blog+2

Google CEO'su Sundar Pichai, DiffusionGemma'yı sosyal medyada öne çıkararak, şirketin metin difüzyonu araştırmalarını Gemma 4 ailesine getiren "4 kata kadar daha hızlı çıkarım sağlayan bir yarış atı" olarak nitelendirdi.x

Hız ve Kalite Arasındaki Takaslar

Google, DiffusionGemma'nın deneysel olduğunu ve çıktı kalitesi kıyaslamalarında standart Gemma 4'ün gerisinde kaldığını belirterek, maksimum kalite gerektiren üretim dağıtımları yerine satır içi düzenleme, hızlı yineleme ve aracı döngüler gibi hız açısından kritik yerel iş akışları için kullanılmasını önerdi. Nvidia, modeli tüketici GPU'larından DGX Spark sistemlerine kadar tüm donanım yelpazesinde optimize etti ve vLLM, Hugging Face Transformers ve Unsloth'ta ilk günden destek sağladı.thenewstack+2