Palabra AI: نوآوری در ترجمه گفتار بلادرنگ با هوش مصنوعی

به گزارش اپ خونه، یک استارتاپ نوپا به نام Palabra AI در زمینه توسعه موتور ترجمه گفتار مبتنی بر هوش مصنوعی فعالیت می‌کند و یکی از چالش‌های مهم آموزش مدل‌های زبانی بزرگ (LLM) برای درک چندین زبان را هدف گرفته است.

اگرچه مدل‌های زبانی بزرگ امروزه کار ترجمه متن بین زبان‌ها را ساده‌تر کرده‌اند، اما ترجمه گفتار هنوز مسأله‌ای پیچیده به شمار می‌آید.

الکسیس اوهانیان، یکی از بنیان‌گذاران Reddit، در این باره گفته است:

«هوش مصنوعی می‌تواند محتوا تولید کند و متن را ترجمه کند، اما ترجمه گفتار یک مشکل منحصر به فرد است؛ زیرا نیازمند تغییر زبان در لحظه و همچنین طبیعی و انسانی به نظر رسیدن صدا است.»

با توجه به این چالش، اوهانیان و شرکت سرمایه‌گذاری او Seven Seven Six (۷۷۶) باور دارند که Palabra AI می‌تواند راه‌حل مناسبی ارائه دهد. به همین دلیل، این شرکت رهبری دور پیش‌بذری سرمایه‌گذاری ۸.۴ میلیون دلاری در این استارتاپ را بر عهده گرفته است.

در این دور سرمایه‌گذاری، شرکت Creator Ventures و چند سرمایه‌گذار فردی از جمله مکس مولن (هم‌بنیان‌گذار Instacart)، آن لی اسکیتز (شریک سابق a16z)، مهدی غیصاسی (مدیر سابق محصول DeepMind) و نمت بهرام نیز مشارکت داشتند.

اوهانیان تأکید کرد که ترکیب توانایی‌های تیم و کیفیت اجرای محصول Palabra، دلیل اصلی سرمایه‌گذاری آن‌ها بوده است:

«با Palabra، لایه ترجمه به‌طور بسیار روان عمل می‌کند. این شرکت تیم تحقیقاتی قوی در حوزه هوش مصنوعی دارد که در زمینه گفتار کارهای باکیفیت انجام می‌دهد. علاوه بر این، انتخاب‌های هوشمندانه در طراحی محصول و کیفیت خروجی، نقطه قوت آن‌هاست.»

استارتاپ Palabra در سال ۲۰۲۳ توسط آرتم کوخارِنکو و الکساندر کاباکوف تأسیس شد. کوخارِنکو، مهندس سابق یادگیری ماشین در سامسونگ، تجربه زندگی در کشورهای مختلف به‌عنوان یک دیجیتال نومد را داشت و مشکلات زبانی را از نزدیک لمس کرده بود. او تصمیم گرفت تجربه خود در یادگیری ماشین را برای حل مشکل ترجمه بلادرنگ به کار گیرد.

آرتم کوخارِنکو گفت:

«شرکت‌های دیگر برای حل مشکل ترجمه تلاش کرده‌اند، اما وقتی از ترکیب فناوری‌های مختلف مانند Speech-to-Text و Text-to-Speech در ترجمه استفاده می‌کردند، تأخیر افزایش می‌یافت و ترجمه واقعی به نظر نمی‌رسید. با Palabra توانستیم تأخیر را به ۸۰۰ میلی‌ثانیه کاهش دهیم و ترجمه را بلادرنگ و بدون نقص ارائه کنیم.»

این شرکت یک خط تولید داده سفارشی ایجاد کرده که امکان افزودن سریع زبان‌های جدید را در عرض چند هفته فراهم می‌کند. در انتهای این فرآیند، یک مترجم انسانی کیفیت خروجی را بررسی می‌کند. الگوریتم Palabra همچنین شرایط محیطی مختلف مانند نویز و قطع و وصل شدن گفتار را نیز در نظر می‌گیرد.

Palabra AI محصولات ترجمه‌ای هم برای مصرف‌کنندگان و هم برای کسب‌وکارها ارائه می‌دهد. این شرکت یک اپلیکیشن دسکتاپ برای سیستم‌های Mac و Windows دارد که با اپلیکیشن‌های محبوب تماس ویدئویی مانند Google Meet، Zoom، Discord، Slack و Microsoft Teams سازگار است.

اپلیکیشن از بیش از ۳۰ زبان پشتیبانی می‌کند و امکان شنیدن سخن گفتار افراد به زبان موردنظر کاربر را فراهم می‌آورد. این ویژگی برای تماس‌های چندملیتی بسیار کاربردی است.

طبق اعلام Palabra، اپلیکیشن دسکتاپ به زودی از ترجمه محتوای سایت‌های پخش آنلاین مانند YouTube، Netflix، Twitch و Vimeo نیز پشتیبانی خواهد کرد.

کاربران ماهانه ۳۰ دقیقه ترجمه رایگان دریافت می‌کنند و برای استفاده بیشتر، برنامه‌های اشتراک از ۲۵ دلار در ماه برای ۶۰ دقیقه ترجمه در دسترس است.

این استارتاپ همچنین API و SDK در اختیار کسب‌وکارها قرار می‌دهد تا ترجمه را در محصولات خود ادغام کنند. فناوری Palabra در حال حاضر پلتفرم‌هایی مانند Agora برای پخش زنده چندزبانه و ارائه خدمات به ارائه‌دهندگان زبان مانند GIS Group مورد استفاده قرار می‌گیرد. همچنین، چندین برگزارکننده رویداد از فناوری آن برای ارائه پخش چندزبانه بهره می‌برند.

با وجود رقابت شدید در بازار ترجمه، Palabra با توسعه مدل پیش‌بینی استریم جدید و پشتیبانی از بیش از ۱۰ هزار جریان صوتی همزمان در تلاش است تا تأخیر را به حداقل رسانده و تجربه ترجمه بلادرنگ را بهبود دهد.