Я создаю инструмент для встреч, где люди, говорящие на разных языках, напрямую общаются друг с другом. Вы говорите по-японски, собеседник слышит английский; они говорят по-английски, вы слышите японский. Перевод речи работает на Google Gemini 3.5 Liv...
Я создаю инструмент для встреч, где люди, говорящие на разных языках, напрямую общаются друг с другом. Вы говорите по-японски, собеседник слышит английский; они говорят по-английски, вы слышите японский. Перевод речи выполняется с помощью Google Gemini 3.5 Live Translate (gemini-3.5-live-translate-preview).
Вот демо с тремя людьми на японском, английском и испанском языках. Нет регистрации.
Я хотел добавить на этот экран живые субтитры. Вы слушаете переведенный аудиофайл и читаете то, что на самом деле сказал другой человек своими словами, перед переводом. Что-то вроде добавления субтитров на языке оригинала к дублированному фильму. Это не стенограмма, которая появляется после того, как они заканчивают говорить: это своего рода Pixel Recorder, где слова появляются по одному или два за раз, пока они еще говорят.
Это поставило меня перед жестким требованием, которое я не смог учесть: если задержка составляет пять секунд, эта функция бесполезна.
Субтитры существуют, чтобы вы могли мгновенно отреагировать на то, что только что было сказано. Подзаголовок к сказанному пять секунд назад появляется после того, как разговор уже продолжился. Меньше секунды, и вы сможете взглянуть на панель и не отставать. Где-то между этими двумя цифрами находится грань между особенностью и украшением.
Один