Google führt KI-gestützte Sprachtechnologien über die reine Textübersetzung hinaus und konzentriert sich darauf, Tonfall, Emotionen, Kontext, Umgangssprache und kulturelle Nuancen in Gesprächen zu verstehen. Die Technologien und Produkte des Unternehmens unterstützen heute in mehr als 300 Sprachen die täglichen Interaktionen von mehr als 7 Milliarden Menschen, die 86 % der Weltbevölkerung ausmachen. Google Translate, das 2006 eingeführt wurde, wurde von einigen wenigen auf mehr als 250 Sprachen erweitert.
Google weist darauf hin, dass herkömmliche Spracherkennungssysteme wichtige Elemente der Kommunikation verlieren, wenn sie Sprache zunächst in Text und anschließend wieder in Sprache umwandeln. Daher trainiert das Unternehmen Modelle wie Gemini darauf, Audiodaten direkt zu verarbeiten und sowohl die Bedeutung als auch die Art des Sprechens zu erfassen. So sollen Lachen, Sprechpausen, gleichzeitiges Sprechen und Sprachmischungen wie Spanglish oder Hinglish verstanden werden.
Da die im Internet vorherrschenden Sprachen überproportional vertreten sind, unterhält das Unternehmen für unterrepräsentierte Sprachen offene Datenpartnerschaften mit lokalen Gemeinschaften. Das neue Tool Language Explorer visualisiert LinguaMeta, das weltweit größte Open-Source-Archiv für Sprachdaten, und kartiert fortlaufend mehr als 7.000 gesprochene und geschriebene Sprachen sowie Gebärdensprachen. Das von Google.org unterstützte Centre for Digital Language Inclusion und AI Singapore’s Project Aquarium tragen ebenfalls dazu bei, dass mehrsprachige Tools Landwirte, Gesundheitsfachkräfte, Lehrkräfte und andere Beschäftigte in grundlegenden Dienstleistungsbereichen erreichen.
Für mehr als 3 Milliarden Menschen ohne Zugang zu einem zuverlässigen Internet wurde TranslateGemma entwickelt, eine Familie leichter, offener, Gemini-basierter Übersetzungsmodelle, die mit 55 Sprachen trainiert wurden. Das auf dem Gerät laufende System benötigt weder eine Internet- noch eine Cloud-Verbindung. Google unterstützt außerdem den Dienst „Ask Viamo Anything“ (AVA) von Viamo, der einen Gemini-gestützten Sprachassistenten auf Mobiltelefone mit Grundausstattung bringt. Bei der Pilotanwendung in Ruanda beantwortete AVA mehr als 2 Millionen Fragen.
Sign Language-to-Text (SL2T), das mit mehr als 50 Gebärdensprachen trainiert wurde, ermöglicht auf dem Pixel 11 über Gboard und Live Transcribe die Umwandlung von Gebärden in diktierten Text; zunächst wird American Sign Language (ASL) ins Englische übersetzt. Die Arbeit soll die Barrierefreiheit für 70 Millionen Menschen verbessern, die Gebärdensprache verwenden. In Neuseeland wurde gemeinsam mit Māori-Fachleuten die Aussprache von Ortsnamen in Google Maps verbessert. Googles Sprachtechnologien verbinden außerdem auf neun Plattformen, darunter Search, Android, Chrome, YouTube und Google Play, mehr als fünf Milliarden Menschen miteinander.
Warum das wichtig ist
Dieser Ansatz beruht darauf, dass Übersetzungsdienste über die Wiedergabe von Wortbedeutungen hinaus auch Sprechweise und kulturellen Kontext berücksichtigen; so sollen Verluste bei der Kommunikation verringert werden. Leichtgewichtige Modelle, die direkt auf dem Gerät laufen, machen für Menschen ohne zuverlässigen Internetzugang eine Cloud-Verbindung als Zugangsvoraussetzung überflüssig, während Sprachassistenten auf herkömmlichen Mobiltelefonen die Notwendigkeit eines Smartphones verringern. Die direkte Integration der Unterstützung für Gebärdensprache in Tastatur- und Transkriptionswerkzeuge macht Barrierefreiheit zu einem Bestandteil weitverbreiteter Produkte statt zu einem separaten Dienst. Offene Datenpartnerschaften mit lokalen Gemeinschaften sollen die Datenlücke bei der Einbindung von Sprachen schließen, die im Internet nur wenig vertreten sind. Dass die erste Umwandlung von Gebärden in Text hingegen ausschließlich von ASL ins Englische angeboten wird, lässt die Frage offen, in welchem Umfang andere Gebärdensprachen unterstützt werden.