“70-ലധികം ഭാഷകളിൽ തത്സമയം സംസാരിക്കാം;റിയൽ-ടൈം ഓഡിയോ പരിഭാഷയുമായി Gemini 3.5 Live Translate

ആശയവിനിമയ രംഗത്ത് മാറ്റങ്ങൾ കുറിച്ചുകൊണ്ട് ഗൂഗിൾ പുതിയ ഓഡിയോ മോഡലായ ‘ജെമിനി 3.5 ലൈവ് ട്രാൻസ്‌ലേറ്റ്’ (Gemini 3.5 Live Translate) ഔദ്യോഗികമായി പുറത്തിറക്കി. വിവിധ ഭാഷകൾ സംസാരിക്കുന്നവർക്ക് തത്സമയം പരസ്പരം സംസാരിക്കാൻ സഹായിക്കുന്ന ഒരു ലൈവ് സ്പീച്ച്-ടു-സ്പീച്ച് (Speech-to-Speech) translate സംവിധാനമാണിത്.

ഈ പുതിയ ഫീച്ചറിന്റെ ഏറ്റവും വലിയ പ്രത്യേകത അതിന്റെ വേഗതയാണ്. നിങ്ങൾ സംസാരിച്ചു തുടങ്ങുന്ന ആ നിമിഷം തന്നെ ജെമിനി അതിന്റെ പരിഭാഷയും ആരംഭിക്കും. നിങ്ങൾ അടുത്ത വാചകം സംസാരിച്ചുകൊണ്ടിരിക്കുമ്പോൾ തന്നെ മുൻപ് പറഞ്ഞ ഭാഗം ലൈവ് ആയി സ്ട്രീം ചെയ്ത് പരിഭാഷപ്പെടുത്താൻ ഇതിന് സാധിക്കും.

സാധാരണ ട്രാൻസ്‌ലേഷൻ ആപ്പുകളിൽ കാണാറുള്ളതുപോലെ സംസാരിച്ചതിന് ശേഷം കാത്തുനിൽക്കേണ്ടി വരുന്ന അരോചകമായ ഇടവേളകളോ (Awkward Pauses) മുറിഞ്ഞുപോയ ഓഡിയോയോ ഇനി ഉണ്ടാകില്ല. എഴുപതിലധികം (70+) ഭാഷകൾ അറിയാവുന്ന ഈ അത്യാധുനിക എഐ മോഡൽ സംസാരിക്കുന്ന ആളുടെ ശബ്ദത്തിന്റെ ഗതി (Pacing), പിച്ച് (Pitch), സംസാര ശൈലി (Intonation) എന്നിവ അതേപടി നിലനിർത്താനും പ്രത്യേക കഴിവുണ്ട്.

ഇന്ത്യയിലെ ആദ്യ Comprehensive AI Filmmaking പഠിക്കാം.https://sostorytelling.com/

Summary:Google has officially launched Gemini 3.5 Live Translate, an advanced speech-to-speech audio model that enables real-time, fluid conversations across more than 70 languages without awkward pauses. The model begins translating the moment a user speaks and splits its processing to stream translations continuously, while remarkably preserving the speaker’s original pacing, pitch, and intonation.