Система закадрового перевода видео, разработанная компанией «Яндекс», представляет собой инновационное решение, которое позволяет пользователям просматривать видео с русской озвучкой на различных иностранных языках, таких как английский, немецкий, французский, испанский и китайский. Этот уникальный сервис доступен в «Яндекс. Браузере» для операционных систем Windows, macOS, Linux и Android, а также в официальном приложении «Яндекс» для устройств на базе iOS и Android. Для того чтобы воспользоваться переводом, пользователю необходимо всего лишь нажать на специальную кнопку с логотипом «Яндекс. Переводчика». Кроме того, система поддерживает перевод видео, размещенных на таких популярных платформах, как YouTube, Vimeo, Twitch и другие. Главное условие видео должно быть доступно для общего просмотра, а его продолжительность не должна превышать 4 часа.
Основой функционирования сервиса закадрового перевода «Яндекса» является использование нескольких передовых технологий, разработанных этой компанией. Среди них можно выделить технологии распознавания и синтеза речи, биометрии и машинного перевода, основанные на сложных нейросетевых моделях. Сначала система распознавания речи преобразует произнесенные слова в кадре в текст, автоматически расставляет знаки препинания и разделяет слова на смысловые сегменты. Затем технология машинного перевода переводит полученный текст на русский язык, а модуль синтеза речи озвучивает результат. Этот переводный текст затем накладывается на видео таким образом, чтобы фразы в оригинале и переводе имели одинаковую длину. Для распознавания голосов разных дикторов на видео применяется еще одна нейросеть, которая анализирует спектрограмму звуковой дорожки и определяет фрагменты, произнесенные разными говорящими. Благодаря этой технологии становится возможным определить, кто из спикеров что сказал, это значительно облегчает восприятие перевода в случае, когда на видео присутствует большое количество действующих лиц.
SteosVoice: разработанная компанией Mind Simulation, система синтеза речи SteosVoice представляет собой AI-платформу, способную преобразовывать текстовую информацию в аудиофайлы. Это многофункциональное решение может быть использовано для озвучивания YouTube-роликов, создания голосовых систем, персонажей в игровых приложениях и подкастов. Библиотека SteosVoice включает в себя более полусотни уникальных голосов на русском и английском языках. Кроме того, пользователи имеют возможность загружать собственные голоса и настраивать ритмоинтонационные характеристики синтезируемой речи. Чтобы оценить функциональные возможности сервиса, разработчики предлагают использовать бесплатного Telegram-бота. Полный набор инструментов системы синтеза речи доступен по подписке.
Умная камера «Яндекса». Приложение «Яндекс» предлагает уникальную возможность использования интеллектуальной камеры на мобильных устройствах. Эта камера в режиме реального времени распознает предметы, описывает то, что видит, и предлагает рекомендации. Кроме того, она способна сканировать документы, переводить надписи и решать математические уравнения.
Основой работы камеры являются передовые технологии искусственного интеллекта и компьютерного зрения. Специально обученные нейронные сети, основанные на множестве примеров, позволяют идентифицировать широкий спектр объектов, попадающих в объектив камеры. Благодаря умной камере «Яндекса», пользователи могут мгновенно переводить вывески, меню и этикетки на иностранных языках, определять породу животных, виды растений и названия достопримечательностей, а также находить магазины, где можно приобрести товары, аналогичные тем, которые видятся на фотографиях. Более того, камера способна раскрывать прекрасное в самых обычных вещах, будь то цветок на подоконнике или скамейка в парке: достаточно направить камеру на объект, и «Яндекс» предложит поэтические строки, связанные с ним.
Как видно, рынок программных решений на базе искусственного интеллекта продолжает активно развиваться как на мировом, Приложение2, так и на российском уровне. Если раньше «умные» сервисы считались чем-то экзотическим, то сегодня они уже не вызывают удивления: электронная техника способна понять пользователя с полуслова, отвечать на вопросы и легко справляться с повседневными задачами. Однако это только малая часть возможностей, которые предлагают AI-технологии.
Прогресс в этой области неумолимо продвигается вперед. Безусловно, в ближайшие десятилетия мы ожидаем качественный скачок в развитии систем искусственного интеллекта, особенно с учетом развития квантовых и фотонных вычислений, интернета вещей и робототехники. Эти технологии имеют потенциал кардинально изменить жизнь человека.
2. ИСПОЛЬЗОВАНИЕ ГЕНЕРАТИВНЫХ ВОЗМОЖНОСТЕЙ GPT
2.1. Что такое GPT
GPT это новация конца 2022 г., следовательно ее сопровождают все маркеры, сопутствующие развитию инновации. Про GPT написано немало, по заявлениям разработчиков известно, что GPT-4 самая передовая система OpenAI, которая обеспечивает более безопасные и полезные ответы. Не за горами выход GPT-5, которая станет еще удобней и полезней, поговаривают, что базовая версия GPT может стать бесплатной.
Опыт GPT не оставил равнодушным целый ряд отечественных компаний, известно о попытках «Сбера» реализовать «Рерайтер», «Суммаризатор», в середине лета запущена Yandex GPT, разработчики называют свое творение российским конкурентом языковой модели GPT-4 от «Яндекса». Разработчики Yandex GPT заявили, что она умеет общаться, писать тексты и генерировать идеи почти как человек. К сожалению, мы не смогли посотрудничать с Yandex GPT, т.к. то, что заявляют разработчики и то, что имеется на практике, как говорят одесситы это две большие разницы.
GPT обучалась на массивах текстовых данных, другими словами на публикациях, которые присутствуют в Интернет. В массив вошли публикации открытых источников, форумов, статьи сайтов, сетевые библиотеки, книги, исследования, опубликованные до 2021 г. Поэтому, ответы GPT не являются научными и не являются актуальными.
Сами ответы не результат когнитивности, они представляют собой компиляцию знаний, опубликованных в Интернет, во избежание претензий авторов интернет-материалов, GPT старается излагать тексты «другими словами».
Многочисленные статьи на тему GPT лукавят, когда говорят о способностях творения OpenAI. Большинство тестов, по решению задач, не описанных в практике людей GPT проваливает. Не смотря на это популярность GPT, взлетев с начала года, испытала 10% снижение интереса к середине 2023 г., оживить публичный интерес не смогла четвертая и плюсовая версия ИИ, появились сообщения о некотором «отупении» GPT, все это наталкивает на мысль, что глубокое проникновение ИИ и конкуренция, вынудят разработчиков GPT сделать доступ к младшим версиям бесплатным.
Исходя из реальности, дальнейшее отношение и технология работы с GPT будут строиться на основании реальности, а не маркетинговых заявлений.
2.2. Алгоритм составления GPT-запроса (промпт, инструкция)
Алгоритма идеального запроса не существует, т. к. GPT развивается и все, что хорошо работало сегодня, может плохо работать завтра.
Несмотря на это можно рассмотреть следующий подход: