Google додала до Gemini підтримку 66 регіональних діалектів

Google додала до Gemini підтримку 66 регіональних діалектів

Компанія Google офіційно оголосила про масштабне оновлення своєї передової штучноінтелектуальної екосистеми, в межах якого мовна модель Gemini отримала підтримку шістдесяти шести нових регіональних голосів для мобільних додатків на платформах Android та iOS. Це технологічне рішення покликане суттєво мінімізувати культурну уніфікацію та штучність комунікації, адже раніше віртуальні помічники зазвичай спілкувалися стандартними академічними чи нейтральними трансатлантичними монологами, які часто здавалися користувачам з різних куточків світу надто безособовими. Розробники прагнуть створити максимально інклюзивне середовище, де кожен користувач зможе налаштувати штучний інтелект так, щоб він звучав знайомо та природно для його конкретного регіону проживання.

Аналіз географічного охоплення та мовного різноманіття

Оновлення охоплює сім основних мовних груп та регіональних варіантів, пропонуючи глибоку локалізацію для американської, британської та індійської англійської, а також гінді, бразильської португальської, індонезійської та корейської мов. Найбільш детально опрацьовано британський сегмент, де користувачам доступно понад десять унікальних діалектів, що відображають лінгвістичне багатство регіону.

One of the less visible risks of conversational AI is its flattening effect on a culture’s unique dialect and accent. Humanity speaks with a thousand voices, but assistants often just respond in a nicely generic transatlantic monotone.

Особливості британських діалектів та європейського контексту

Серед британських варіантів виділено специфічні регіональні акценти, які раніше майже не зустрічалися в аудіогенерації штучного інтелекту:

  • ньюкаслський говір або джорді (Geordie);
  • ліверпульський акцент або скауз (Scouse);
  • бірмінгемський діалект або браммі (Brummie);
  • шотландські та валлійські варіації вимови;
  • мультикультурний лондонський англійський стиль (Multicultural London English).

Технічні нюанси та методологія розробки

Спеціалісти компанії Google тісно співпрацювали з носіями відповідних мов і діалектів, щоб досягти природної інтонації, правильного темпу та повсякденної чіткості звучання, уникаючи при цьому карикатурних стереотипів чи надмірного сленгу. Голоси інтегровані не лише в інтерактивний режим реального часу Gemini Live, а й у стандартну функцію озвучування текстових відповідей за допомогою кнопки прослуховування.

  1. Користувач відкриває налаштування додатку Gemini або меню утиліти Gemini Live.
  2. Здійснюється перехід до розділу вибору голосу для попереднього прослуховування доступних варіантів.
  3. Обраний параметр автоматично застосовується до всіх сценаріїв взаємодії з асистентом в межах облікового запису.

Проблеми ідентифікації та практичні поради щодо тестування

Оскільки інтерфейс налаштувань не містить чітких географічних чи міських позначок біля кожного варіанту озвучування, а сама модель не завжди може самостійно ідентифікувати свій акцент за прямим запитом, інженери радять застосовувати контекстні тести. Найефективнішим способом перевірки автентичності певного діалекту є звернення до асистента з проханням порадити локальні культурні особливості, страви чи традиції, що дозволяє повною мірою відчути ритм, інтонацію та теплоту конкретної вимови.