AI எட்ஜ் கேலரியில் கூகுள் ஆஃப்லைன் பேச்சு அங்கீகாரம் மற்றும் உரையிலிருந்து பேச்சு ஆகியவற்றைச் சேர்க்கிறது

AI எட்ஜ் கேலரி இப்போது சாதனத்தில் தானியங்கி பேச்சு அங்கீகாரம் (ஏஎஸ்ஆர்) மற்றும் ஜெமினி நானோ மற்றும் ஜெம்மா 4 போன்ற சிறிய ஆன்-டிவைஸ் மொழி மாடல்களுடன் இணைக்கப்பட்டிருக்கும் உரையிலிருந்து பேச்சு (TTS) ஆகியவற்றை ஆதரிக்கிறது என்று கூகுள் நவம்பர் 10 அன்று அறிவித்தது, எனவே தொலைபேசிகள் எந்த நெட்வொர்க் இணைப்பும் இல்லாமல் பேச்சை நேரலையில் எழுதலாம் மற்றும் பேசும் பதில்களை ஒருங்கிணைக்கலாம். ஃபோன்கள் மற்றும் அணியக்கூடிய பொருட்களில் AI உடன் தொடர்புகொள்வதற்கான மிகவும் இயல்பான வழி குரல் என்று கூகுள் கூறியது, மேலும் கச்சிதமான பேச்சு மாதிரிகளின் முன்னேற்றங்கள் இப்போது துல்லியமான பன்மொழி ASR மற்றும் வெளிப்படையான TTS ஆகியவற்றை சாதனத்தில் முழுவதுமாக சாத்தியமாக்குகின்றன.

ஆண்ட்ராய்டு: ML கிட் 100+ மொழிகளை உள்ளடக்கியது மற்றும் சுமார் 100 ms இல் பேசத் தொடங்குகிறது

ஆண்ட்ராய்டில், ML Kit இன் சமீபத்திய ஆன்-டிவைஸ் ஸ்பீச் மாடல்கள் 100க்கும் மேற்பட்ட மொழிகளை 10 மடங்கு நிகழ்நேர வேகத்தில் டிரான்ஸ்கிரிப்ட் செய்து, FLEURS பெஞ்ச்மார்க்கில் 8.0% முதல் 9.0% வரையிலான வார்த்தைப் பிழை விகிதத்தை அடைகிறது. அதன் டெக்ஸ்ட்-டு-ஸ்பீச் மாடல், ஒரு சிறிய சில-படி பரவல் மாதிரியால் இயக்கப்படுகிறது, சுமார் 100 எம்.எஸ் மற்றும் 24 கிலோஹெர்ட்ஸ் ஆடியோவை 50 மடங்கு நிகழ்நேர வேகத்தில் எட்டு வெளிப்படையான குரல்கள் மற்றும் 21 லோக்கல்களில் ஒருங்கிணைக்கிறது. இரண்டு மாடல்களும் ஆப்பரேட்டிங் சிஸ்டத்தில் ஒருங்கிணைக்கப்பட்டு, பயன்பாட்டின் APK இல் 0 MB சேர்க்கின்றன, மேலும் NPU மற்றும் TPU பின்தளங்களில் வன்பொருள் முடுக்கம் மூலம் பலன் கிடைக்கும்.

குறுக்கு-தளம்: iOS, Windows மற்றும் இணையத்திற்கான திறந்த எடை மாதிரிகள்

கிராஸ்-பிளாட்ஃபார்ம் பயன்பாடுகளுக்கு, Google புதிய .litertlm மாடல் தொகுப்புகளை MediaPipe Tasks மற்றும் LiteRT மூலம் மேம்படுத்தியுள்ளது, இதில் பேச்சு அங்கீகாரத்திற்காக Parakeet-TDT 0.6B மற்றும் PocketTTS 100M, Kokoro-82M மற்றும் Phonon 31M ஆகியவை அடங்கும். கணக்கீட்டு சர்ச்சை இல்லாத மொழி மாதிரிகள். ஹக்கிங் ஃபேஸ் லைட்ஆர்டி சமூகம் விஸ்பர் மற்றும் க்வென்3-ஏஎஸ்ஆர் போன்ற ஓப்பன் வெயிட் மாடல்களையும் வழங்குகிறது.

காட்சிப்படுத்தல்கள்: ஆஃப்லைன் மொழி ஆசிரியர் மற்றும் குரல் அரட்டை

கூகிள் இரண்டு பயன்பாடுகளை விளக்குகிறது: XR மொழி ஆசிரியர் காட்சிப் பெட்டி, ஃபோனில் 100% உள்நாட்டில் வேலை செய்கிறது, பயனர்கள் தெருக் குறி அல்லது மெனுவில் கேமராவைக் காட்டி, உரக்கக் கேள்வி கேட்கவும், உள்ளூர் மொழியில் உண்மையான உச்சரிப்புடன் தங்கள் சொந்த மொழியில் விளக்கத்தைக் கேட்கவும் அனுமதிக்கிறது; மற்றும் குரல்-செயல்படுத்தப்பட்ட AI அரட்டை, ஸ்ட்ரீமிங் டிக்டேஷன் மற்றும் லைவ் வாக்கியத்தை ஹைலைட் செய்வதோடு படிக்க-சத்தமாக பிளேபேக். ஆண்ட்ராய்ட் மற்றும் iOS இல் AI எட்ஜ் கேலரி ஆப்ஸ் மற்றும் குறிப்பு செயல்படுத்தல் ஓப்பன் சோர்ஸ் மூலம் இன்று முதல் அம்சங்கள் கிடைக்கின்றன. ஆதாரம்: Google Developers Blog, 10 நவம்பர் 2026.