Bild: Google

Mit der Stimme des Originalsprechers - Übersetzungsqualität derzeit aber noch unter klassischen Modellen

Unter dem Namen "Translatotron" stellt Google ein neues Modell zur direkten Übersetzung von Gesprochenem in eine andere Sprache vor. Bisherige Ansätze nehmen den Umweg über die Umwandlung in Text, es werden also schlicht mehrere Maschinenlernmodelle aneinander gereiht. Hier passiert all dies hingegen in einem einzigen Schritt.

Möglich wird dies durch die Nutzung eines Sequence-to-Sequence-Modells, das die Spektogramme des Gesprochenen übersetzt. Die Ausgabe erfolgt dann über einen Vocoder, und zwar einen, für den man sich ebenfalls etwas Besonderes einfallen hat lassen: Bildet dieser doch die Stimme des Originalsprechers nach. Damit kommt man der Idee eines Babelfischs also schon ziemlich nahe.