Google asegura que sus tecnologías y productos ya funcionan en más de 300 idiomas, utilizados por más de 7.000 millones de personas. El avance representa cerca del 86% de la población mundial, pero también deja clara una deuda: miles de lenguas y dialectos todavía tienen poca presencia en internet y en las herramientas digitales.
La compañía sostiene que traducir palabras no es suficiente. Para que la inteligencia artificial sea realmente útil, también debe comprender el tono, las pausas, las emociones, las mezclas entre idiomas y las particularidades culturales de cada comunidad.
De traducir texto a comprender cómo hablamos
Durante años, los sistemas de reconocimiento de voz siguieron una cadena bastante rígida: convertir el audio en texto, procesar ese texto y volver a transformarlo en audio. El problema es que en ese recorrido se pierden detalles importantes de la comunicación humana.
¿Hablas siempre con frases perfectas? En la vida real nos interrumpimos, reímos, dudamos, usamos expresiones locales y mezclamos idiomas. Es lo que ocurre con el Spanglish o el Hinglish, por ejemplo.
Google afirma que ahora trabaja con modelos capaces de procesar el audio directamente, sin depender únicamente de una transcripción escrita. Según la empresa, esta estrategia permite interpretar mejor tanto lo que se dice como la manera en que se dice.
Entre las herramientas mencionadas se encuentran:
- Gemini 3.5 Live Translate: traducción hablada en tiempo real en 70 idiomas y más de 2.000 pares de idiomas, con reconocimiento de cambios de idioma y señales emocionales.
- Gemini 3.5 Transcribe: modelo de voz a texto diseñado para trabajar con audios ruidosos, términos especializados y formatos más limpios. También impulsa funciones de escritura por voz en Gboard.
- Universal Speech Model: modelo entrenado con 12 millones de horas de audio para transferir conocimientos desde idiomas con muchos datos hacia otros con menos recursos digitales.
El objetivo más ambicioso es la llamada Iniciativa de los 1.000 idiomas, que busca crear tecnología para las lenguas más habladas del mundo, incluyendo aquellas que han sido ignoradas por los sistemas tradicionales.
Los datos también deben representar a las comunidades
La web está dominada por un grupo reducido de idiomas. Por eso, entrenar una IA que entienda lenguas menos representadas exige algo más que recopilar textos en internet: hace falta trabajar directamente con quienes las hablan.
Google destaca tres alianzas de datos abiertos:
- WAXAL: conjunto de datos de voz que cubre 27 lenguas del África subsahariana, habladas por más de 100 millones de personas en más de 26 países. Incluye variaciones tonales y ritmos de conversación que suelen desaparecer en las bases de datos convencionales.
- Project Vaani: iniciativa desarrollada en India que ha reunido más de 30.000 horas de voz en 109 lenguas, con la participación de más de 155.000 personas.
- Amplify Initiative: colaboración con más de 1.600 expertos locales y 20 universidades de cuatro continentes para recopilar datos multimodales con contexto cultural.
La empresa también presentó Language Explorer, una herramienta interactiva para visualizar LinguaMeta, un repositorio abierto que reúne información sobre más de 7.000 lenguas habladas, escritas y de señas.
La importancia de estos proyectos va más allá de la investigación. Los datos pueden ayudar a crear herramientas para agricultores, docentes, trabajadores de la salud y otros miembros de comunidades que necesitan comunicarse en su propio idioma.
IA sin conexión y para teléfonos básicos
Una herramienta digital no es verdaderamente accesible si solo funciona con una conexión rápida y un teléfono moderno. Google recuerda que más de 3.000 millones de personas todavía no tienen acceso confiable a internet.
Para responder a esa limitación, la compañía desarrolló TranslateGemma, una familia de modelos de traducción ligeros basados en Gemini y entrenados en 55 idiomas. Su diseño permite ejecutarlos en el dispositivo, reduciendo la dependencia de la nube.
Pero incluso un modelo eficiente puede quedar fuera del alcance de quienes utilizan teléfonos básicos. Por eso Google apoya a Viamo en el desarrollo de Ask Viamo Anything, un asistente de voz que lleva funciones de Gemini a teléfonos convencionales mediante sistemas de respuesta interactiva.
La prueba piloto en Ruanda ya habría utilizado Gemini para responder más de 2 millones de preguntas. La idea es sencilla, pero poderosa: acceder a una herramienta de IA sin necesitar una aplicación, una pantalla avanzada o una conexión permanente.
La accesibilidad también incluye las lenguas de señas
El lenguaje no se limita a los dialectos regionales. Millones de personas se comunican mediante lenguas de señas, y muchas herramientas de voz todavía tienen dificultades para comprender formas de habla no convencionales.
Google trabaja en Sign Language-to-Text, o SL2T, un sistema entrenado con más de 50 lenguas de señas. La tecnología impulsa funciones de conversión de señas a texto en Gboard y Live Transcribe en Pixel 11, comenzando con la Lengua de Señas Americana y su traducción al inglés.
La empresa presenta este desarrollo como un primer paso para mejorar la accesibilidad de los productos digitales para las aproximadamente 70 millones de personas que dependen de lenguas de señas para comunicarse.
Pronunciar bien también es respetar la cultura
Hay detalles que parecen pequeños hasta que fallan. Una aplicación de navegación que pronuncia mal el nombre de una ciudad o una calle puede generar confusión, pero también puede borrar parte de la identidad de ese lugar.
En Nueva Zelanda, Google trabajó con expertos de la lengua maorí para mejorar la pronunciación de nombres geográficos en Google Maps. La compañía afirma que incorporar pronunciaciones auténticas a sus modelos de texto a voz ayuda a reflejar mejor la historia y el patrimonio de las comunidades.
¿De qué sirve una IA que traduce muchas palabras si no entiende cómo se pronuncian los nombres de tu propia región? La precisión lingüística también tiene una dimensión cultural.
Una IA más amplia, pero todavía en construcción
Google afirma que sus tecnologías de lenguaje ya están integradas en nueve plataformas, entre ellas Search, Android, Chrome, YouTube y Google Play, con un alcance de más de 5.000 millones de personas.
Sin embargo, llegar a más usuarios no es suficiente. El desafío real consiste en crear sistemas que comprendan el contexto, respeten las diferencias culturales y permitan que cada persona se exprese sin tener que adaptarse por completo a la tecnología.
La promesa de una IA para todos no se mide únicamente por la cantidad de idiomas disponibles. También depende de quién participa en la creación de los datos, qué voces son escuchadas y si las herramientas funcionan en las condiciones reales de cada comunidad. Esa es la diferencia entre traducir un idioma y ayudar a que una persona sea entendida en sus propios términos.
Fuente original
https://blog.google/innovation-and-ai/technology/ai/ai-for-every-language