Prieš kokį dešimtmetį situacija, kai atostogaudami Tokijuje ar Prahoje bandai suprasti, kas parašyta ant meniu ar vaistų pakuotės, atrodė beveik neišsprendžiama be žodyno po ranka arba kantraus vietinio, sutinkančio paaiškinti gestais. Šiandien užtenka nukreipti telefono kamerą į tekstą, ir vertimas atsiranda ekrane per kelias sekundes. Būtent tai daro Google Lens – ir šiame straipsnyje pasižiūrėsime, kaip ši funkcija veikia iš tikrųjų, kur ji stipri, o kur verta būti atsargiam.
Kaip viskas prasidėjo su kamera rankose
Google Lens pradžioje buvo pristatytas kaip vaizdų atpažinimo įrankis – nufotografuoji augalą, ir programa pasako jo pavadinimą, nufotografuoji drabužį, ir gauni panašių prekių pasiūlymus internetinėse parduotuvėse. Vertimo funkcija atėjo šiek tiek vėliau, tačiau būtent ji greitai tapo viena populiariausių priežasčių, kodėl žmonės apskritai atsidaro šią programėlę.
Idėja paprasta: kamera „mato“ tekstą, algoritmas jį atpažįsta, o po to sistema tą tekstą išverčia į pasirinktą kalbą – dažniausiai net nereikia nieko papildomai spausti, vertimas tiesiog atsiranda tiesiai ant originalaus teksto, tarsi jis niekada nebūtų buvęs kita kalba parašytas. Tai vadinama „augmented reality“ vertimu, ir būtent šis vizualinis efektas žmonėms sukelia tą „vau“ jausmą pirmą kartą pabandžius.
Kas vyksta po gaubtu: nuo pikselių iki sakinio
Norint suprasti, kodėl kartais Google Lens vertimas atrodo puikiai, o kartais – kaip visiška nesąmonė, verta žinoti bent apytiksliai, kaip veikia visas procesas. Jis vyksta keliais etapais:
- Teksto aptikimas. Programa pirmiausia turi nustatyti, kur nuotraukoje apskritai yra tekstas – tai vadinama optiniu simbolių atpažinimu (OCR). Šriftas, kontrastas, šviesa, net popieriaus faktūra turi įtakos, kaip gerai šis etapas pavyksta.
- Simbolių atpažinimas. Kiekvienas raidžių ar hieroglifų blokas paverčiamas skaitmeniniu tekstu. Lotyniškas raides atpažinti lengviau nei, tarkime, arabišką kaligrafiją ar smulkiai spausdintą japonišką tekstą.
- Vertimas. Atpažintas tekstas siunčiamas per Google vertimo variklį, kuris veikia panašiu principu kaip Google Translate – naudojant neuroninius tinklus, apmokytus milžiniškuose dvikalbiuose tekstynuose.
- Vaizdo perdengimas. Galiausiai išverstas tekstas grafiškai „uždedamas“ ant originalo taip, kad būtų panašaus dydžio ir vietoje, tad viskas atrodo natūraliai.
Kiekviename iš šių etapų gali įsivelti klaida – ir dažniausiai būtent pirmieji du etapai (aptikimas ir atpažinimas) lemia galutinę kokybę labiau nei pats vertimo algoritmas. Jei OCR neteisingai perskaitė žodį, joks vertimas jo neišgelbės.
Kada ši funkcija tikrai išgelbsti situaciją
Yra situacijų, kuriose Google Lens veikia beveik stebuklingai gerai, ir jas verta žinoti, kad išnaudotum funkciją maksimaliai:
- Restoranų meniu. Standartinis spausdintas tekstas, aiškus kontrastas, dažniausiai gana trumpi žodžiai ar frazės – idealios sąlygos.
- Kelio ženklai ir iškabos. Didelės raidės, ryškios spalvos, aiškus fonas – čia atpažinimas veikia beveik be klaidų.
- Instrukcijos ir pakuotės. Nors kartais smulkus šriftas apsunkina darbą, dauguma gamybos etikečių vis tiek atpažįstamos neblogai.
- Iškabos su meniu variantais keliomis kalbomis. Jei šalia jau yra angliškas variantas, sistema gali tiesiog jį atpažinti tiksliau nei originalo kalbą.
Šiais atvejais vertimas dažnai būna suprantamas ir naudingas net jei kalbiniu požiūriu nėra tobulas – svarbiausia, kad gauni bendrą prasmę, o būtent tai keliaujant ir reikalinga.
Kalbos, kurios veikia gerai, ir tos, kurios kelia galvos skausmą
Čia reikia būti sąžiningiems – ne visos kalbos vertinamos vienodai gerai. Kalbos su lotynišku raidynu (anglų, ispanų, italų, prancūzų, vokiečių, lenkų, lietuvių) atpažįstamos gerokai patikimiau nei tos, kurios naudoja visiškai kitokią rašto sistemą.
Japonų, korėjiečių ir kinų kalbos yra sudėtingesnės dėl pačios ženklų prigimties – vienas simbolis gali reikšti visą žodį ar sąvoką, o kontekstas dažnai lemia reikšmę labiau nei atskiras ženklas. Arabų ir hebrajų kalbos rašomos iš dešinės į kairę, todėl kartais programa supainioja teksto kryptį, ypač jei tekstas suformatuotas neįprastai.
Ranka rašytas tekstas – dar viena skaudi vieta. Jei restoranas meniu parašė kreida ar ranka ant lentelės, tikimybė, kad Google Lens jį teisingai atpažins, krenta gerokai žemiau nei su spausdintu tekstu. Tas pats pasakytina apie labai stilizuotus šriftus, kaligrafiją, dekoratyvias iškabas – visa tai, kas žmogaus akiai atrodo gražu, mašinai dažnai atrodo kaip chaosas.
Google Lens ar klasikinis vertimo langelis – ką rinktis
Natūraliai kyla klausimas – jei jau turime tekstinius vertimo įrankius, kam apskritai reikalinga vizualinė funkcija? Atsakymas priklauso nuo situacijos.
Kai tekstas jau yra skaitmeninis – elektroninis laiškas, svetainės puslapis, dokumentas – klasikinis tekstinio vertimo įrankis visada bus tikslesnis, nes jam nereikia atlikti to papildomo OCR etapo, kuriame atsiranda didžioji dalis klaidų. Vertimo portalai ir programėlės, dirbančios su jau esamu tekstu, gali analizuoti visą sakinio struktūrą be jokių trukdžių iš vaizdo pusės.
Tačiau kai turi popierinį dokumentą, iškabą, meniu ar bet kokį fizinį objektą su tekstu, kurio tiesiog negali nukopijuoti – čia Google Lens tampa nepakeičiamas. Rinkti į rankas visą sakinį raide po raidės būtų daug lėčiau ir varginančiau nei tiesiog nufotografuoti.
Geriausia praktika – naudoti abu įrankius kartu, priklausomai nuo situacijos. Fotografuoji tekstą kamera, gauni preliminarų supratimą, o jei reikia tikslesnio, kokybiškesnio vertimo (pavyzdžiui, verčiant oficialų dokumentą ar svarbų susirašinėjimą), tekstą geriau nukopijuoti ir įkelti į specializuotą vertimo įrankį, kuris leidžia redaguoti, tikrinti kontekstą ir gauti kelis vertimo variantus.
Smulkūs triukai, kurie iš tikrųjų pagerina rezultatą
Per praktiką paaiškėja keletas dalykų, kurie nemažai pagerina tikslumą:
- Šviesa yra viskas. Jei tekstas per tamsus arba per daug šviesos atsimuša į paviršių, atpažinimas smarkiai suprastėja. Verčiau paieškok kampo, kuriame šešėliai netrukdo.
- Laikyk telefoną stabiliai. Neryškus vaizdas – dažniausia klaidų priežastis. Skirk pusę sekundės, kad kamera susifokusuotų prieš darant nuotrauką.
- Verčiau mažiau teksto vienu metu. Jei galimybė leidžia, geriau versti pastraipomis ar sakiniais, o ne visą puslapį iš karto – taip sumažėja tikimybė, kad sistema supainios sakinių ribas.
- Patikrink rezultatą sveiku protu. Jei vertimas visiškai neturi prasmės kontekste (pavyzdžiui, meniu punktas išverstas kaip kažkas visiškai nesusijusio su maistu), greičiausiai OCR sugadino pačią atpažinimo dalį, o ne vertimo variklis suklydo.
- Naudok „tap to select“ funkciją. Vietoj automatinio viso vaizdo vertimo, kartais patikimiau pasirinkti konkretų teksto fragmentą pirštu ir versti tik jį – taip sumažėji triukšmą iš aplinkinio teksto ar dizaino elementų.
Kai kamera tampa kalbų tiltu
Jei žiūrėtume į visą šitą istoriją plačiau, Google Lens vertimo funkcija iš tikrųjų pakeitė patį būdą, kaip žmonės susiduria su svetima kalba kasdieniame gyvenime. Nebereikia nešiotis knygos formos žodyno, nebereikia rankiniu būdu vedžioti raidžių tekstiniame lauke stengiantis atkurti egzotišką raidyną – užtenka telefono, kurį taip ar taip laikai kišenėje.
Kartu svarbu suprasti, kad tai priemonė greitam orientavimuisi, o ne tikslaus vertimo garantas. Kai reikia suprasti, ar restorane siūlomas patiekalas turi riešutų, arba kaip nueiti iki stoties – Google Lens yra tiesiog puikus pasirinkimas. Tačiau kai kalba eina apie sutartis, oficialius dokumentus, medicininę informaciją ar bet ką, kur klaida gali turėti realių pasekmių, verta pereiti prie patikimesnio, žmogaus peržiūrėto arba specializuoto vertimo sprendimo.
Geriausias patarimas, kurį galime duoti – žiūrėk į Google Lens kaip į greitą vertėją kelionėje, kuris padeda susiorientuoti akimirksniu, bet niekada nepamiršk, kad kalba yra sudėtingas dalykas, kuriame niuansai, tonas ir kontekstas dažnai svarbesni nei pažodinis vertimas. Technologija čia tik padeda peršokti pirmąjį, sunkiausią barjerą – suprasti, apie ką apskritai kalbama. O tai, sutikite, jau nemažai.
