Google Pixel 11 AI: نئی SL2T خصوصیت کس طرح اشاروں کی زبان کو متن میں تبدیل کرتی ہے۔

بریکنگ بیریئرز: گوگل پکسل 11 نے ریئل ٹائم سائن لینگویج ٹو ٹیکسٹ ٹرانسلیشن متعارف کرایا

جامع ٹیکنالوجی کے لیے ایک اہم پیش رفت میں، گوگل نے اپنے آنے والے پکسل 11 لائن اپ کے لیے ایک تبدیلی کی خصوصیت کی نقاب کشائی کی ہے: اشاروں کی زبان کو براہ راست تحریری متن میں تبدیل کرنے کی صلاحیت۔ گوگل ڈیپ مائنڈ کے علمبرداروں کی طرف سے تیار کیا گیا، یہ نیا AI ماڈل، جسے SL2T (متن میں سائن لینگوئج) کہا جاتا ہے، کو ڈیجیٹل کمیونیکیشن کو بہروں اور کم سننے والی کمیونٹیز کے لیے مزید ہموار بنانے کے لیے ڈیزائن کیا گیا ہے۔

اپنے اسمارٹ فون سے "بات کرنے" کا ایک نیا طریقہ روایتی طور پر، صارف اپنے فون کے ساتھ رابطے یا آواز کے ذریعے بات چیت کرتے ہیں۔ تاہم، ان لوگوں کے لیے جن کی بنیادی زبان بصری ہے، یہ طریقے اکثر محدود محسوس کر سکتے ہیں۔ SL2T ماڈل Gboard اور Live Transcribe جیسی وسیع پیمانے پر استعمال ہونے والی ایپس کے ساتھ براہ راست ضم ہو کر بیانیہ کو تبدیل کرتا ہے۔ یہ صارفین کو فون کے کیمرہ کے سامنے صرف سائن کر کے گوگل سرچ کرنے، ٹیکسٹ پیغامات کا مسودہ بنانے، یا جیمنی AI اسسٹنٹ کے ساتھ بات چیت کرنے کی اجازت دیتا ہے۔

ابتدائی طور پر، ٹیکنالوجی امریکن سائن لینگوئج (ASL) کو سپورٹ کرے گی، اس کا انگریزی میں ترجمہ کرے گی، گوگل نے وعدہ کیا ہے کہ مستقبل قریب میں مزید زبانوں اور آلات کے لیے سپورٹ شروع ہو جائے گی۔

نشانی کا ترجمہ کرنے والی سائن لینگویج کے پیچھے سائنس معیاری تقریر سے متن کے مقابلے میں نمایاں طور پر زیادہ پیچیدہ ہے۔ بولے جانے والے الفاظ کے برعکس، اشاروں کی زبان ایک کثیر جہتی "قدرتی زبان" ہے جس کی اپنی منفرد گرامر اور نحو ہے۔ یہ صرف ہاتھ کی حرکت کے بارے میں نہیں ہے۔ اس میں بازوؤں کی پوزیشن، جسم کی کرنسی، اور — اہم — چہرے کے تاثرات شامل ہیں۔

اس سے نمٹنے کے لیے، گوگل کا SL2T صرف ہاتھ کی انفرادی شکلوں کی تلاش نہیں کرتا ہے۔ اس کے بجائے، یہ صارف کے جسم پر ہندسی نشانات کو ٹریک کرنے کے لیے MediaPipe Holistic نامی نظام کا استعمال کرتا ہے۔ ان حرکات کو آلے پر موجود ریاضی کے نقاط میں تبدیل کر کے، نظام صارف کی اعلیٰ درجے کی رازداری کو یقینی بناتے ہوئے، کلاؤڈ پر خام ویڈیو فوٹیج کو ذخیرہ کرنے یا بھیجنے کی ضرورت کے بغیر زبان کے سیاق و سباق اور بہاؤ کی تشریح کر سکتا ہے۔

ثابت شدہ کارکردگی اور تربیت SL2T کی مضبوطی ایک گہری تربیتی طرز عمل سے آتی ہے۔ گوگل ڈیپ مائنڈ نے ماڈل کو 50 سے زیادہ مختلف عالمی اشاروں کی زبانوں پر پھیلے ہوئے 100,000 گھنٹے سے زیادہ اشاروں کی زبان کے ڈیٹا پر تربیت دی۔ اس متنوع ڈیٹا سیٹ نے AI کو مختلف بولیوں میں عام پیٹرن سیکھنے میں مدد کی، جس کے نتیجے میں متاثر کن نتائج برآمد ہوئے۔ FLEURS-ASL ٹیسٹ جیسے خصوصی معیارات میں، ماڈل نے BLEURT میٹرک پر 70 کا اعلی اسکور حاصل کیا، نمایاں طور پر صنعت کے سابقہ معیارات کو پیچھے چھوڑ دیا۔

حقیقی دنیا کی ایپلی کیشن اور رسائی لائیو گفتگو میں صارف کے لیے، اس کا مطلب ہے کہ وہ لائیو ٹرانسکرائب ایپ کے ذریعے حقیقی وقت میں جواب دینے کے لیے اشاروں کی زبان استعمال کر سکتے ہیں۔ ابتدائی ٹیسٹرز نے پایا کہ دستخط کرنا اکثر تیز ہوتا تھا اور چھوٹے کی بورڈ پر ٹائپ کرنے سے زیادہ قدرتی محسوس ہوتا تھا۔ جب کہ گوگل تسلیم کرتا ہے کہ چیلنجز باقی ہیں — جیسے کہ نایاب علامات کی ترجمانی کرنا یا بہت تیز انگلی سے ہجے کرنا — Pixel 11 ایک ایسی دنیا کی طرف پہلا بڑا تجارتی قدم ہے جہاں اسمارٹ فون بصری اور تحریری دنیا کے درمیان ایک عالمگیر، حقیقی وقت کے مترجم کے طور پر کام کرتا ہے۔

ماخذ: الجزیرہ