Texnologiya · AiThao

Zəng tərcüməsi arxitekturası

Canlı zəngi tərcümə etmək üç mürəkkəb süni intellekt mərhələsinin saniyənin hissələri ərzində ardıcıl icrasını tələb edir.

1. Nitqin axınlı tanınması

Danışan şəxsin səsi kiçik audio buferlərə bölünür və real vaxt rejimində mətni müəyyən edən neyron şəbəkəyə ötürülür.

Sistem cümlənin tamamlanmasını və qrammatik sonluqları avtomatik proqnozlaşdırır.

2. Kontekstual maşın tərcüməsi

Müəyyən edilmiş mətn dərhal hədəf dilə tərcümə olunur. Tərcümə mühərriki söhbətin əvvəlki cümlələrini də kontekst kimi nəzərə alır.

Bu, sözbəsöz deyil, təbii və mənalı cümlələrin yaranmasını təmin edir.

3. Təbii səs sintezi

Tərcümə olunmuş mətn yüksək keyfiyyətli neyron səs sintezatoru vasitəsilə audioya çevrilir.

İstifadəçi şəxsi səsini klonlaşdırıbsa, audio onun öz səsinin intonasiyaları ilə səsləndirilir.

Gecikmənin optimallaşdırılması

Bütün bu mərhələlər bir saniyə civarında tamamlanır, beləliklə dialoq təbii canlı söhbət kimi davam edir.

Zəif cihazlarda belə heç bir donma olmur, çünki bütün ağır emal güclü bulud klasterlərində aparılır.

Bulud tərcüməsi sərhədi

Canlı nitqi tərcümə etmək üçün audio xarici tərcümə xidmətinə çatmalıdır, buna görə də tərcümə edilmiş zəng ucdan-uca şifrələnmir. Tərcümə söndürüldükdə bulud emalı tam dayanır.

Tərcüməsiz zənglər isə dəstəklənən cihazlar arasında tamamilə ucdan-uca şifrələnir. Bu fərqi aydın şəkildə nəzərə alın.

Suallar

Səs yazıları saxlanılırmı?

Xeyr, nitq emal edildikdən sonra audio dərhal silinir.

Tərcüməni istənilən an söndürmək olar?

Bəli, zəng zamanı düyməyə basmaqla adi şifrəli rejimə qayıda bilərsiniz.