Блог// искусственный интеллект

Google научила ИИ понимать язык, а не только переводить текст

Google расширила языковые модели до 300+ языков, объединив перевод, распознавание речи и эмоций в единую систему на базе Gemini.

17-09-2026 · 9 мин чтения
Google научила ИИ понимать язык, а не только переводить текст

Google рассказала, как её технологии сейчас работают с более чем 300 языками. На них говорят свыше 7 миллиардов человек — 86% населения планеты. Компания называет это промежуточным итогом многолетней работы: от классического Google Translate до новых моделей семейства Gemini, которые понимают не только слова, но и интонацию, паузы, смешение языков в одной фразе и эмоцию говорящего.

Для владельца бизнеса это не абстрактная новость о лингвистике. Речевой и текстовый ИИ встроен в поиск, карты, рекламные инструменты, голосовых помощников и переводчики, которыми пользуются ваши клиенты и вы сами. Если технология стала точнее понимать живую речь на десятках языков, это меняет то, как люди ищут товары голосом, как работает автоперевод отзывов и описаний, как звучит реклама в разных странах. И где-то в этом есть практическая польза, а где-то — повод присмотреться к деталям, прежде чем радоваться.

Что изменилось: от перевода текста к пониманию речи

Как пишет Google, раньше распознавание речи строилось по жёсткой схеме: сначала аудио переводили в текст, потом текст обрабатывали, потом снова превращали в звук. Такой конвейер работал, но терял самое важное — тон, темп речи, эмоции, контекст. Люди не говорят идеальными грамматическими фразами: смеются, перебивают друг друга, запинаются, смешивают языки внутри одной фразы — как в спэнглише или хинглише.

Чтобы это учитывать, компания перешла к тому, что называет «нативным аудиоинтеллектом»: модели, в том числе Gemini, обучены обрабатывать звук напрямую, без промежуточного превращения в сухой текст. По данным Google, из этого выросли конкретные инструменты:

— Gemini 3.5 Live Translate — перевод речи в реальном времени на 70 языков и более 2000 языковых пар, с распознаванием переключения между языками и эмоциональных оттенков. — Gemini 3.5 Transcribe — самая точная на сегодня модель речь-в-текст у компании: она превращает сырой звук в аккуратный текст даже в шумной обстановке или со сложной терминологией. На ней работает функция Rambler в Gboard на Android: она убирает слова-паразиты, исправляет грамматику и пунктуацию, позволяет редактировать текст голосом и переключаться между языками на ходу.

Для бизнеса это означает, что голосовой поиск, голосовые заметки, автоматическая транскрипция звонков и совещаний становятся заметно точнее. Это особенно заметно, если клиенты говорят с акцентом, смешивают языки (например, русский с казахским или украинским) или общаются в шумном помещении, как это часто бывает в рознице и сфере услуг.

Инициатива «1000 языков» и почему это касается не только редких наречий

Google объявила цель — поддержать 1000 самых распространённых языков мира, а не только те, где ИИ уже работает хорошо. Проблема в том, что интернет и большинство обучающих данных смещены в сторону нескольких доминирующих языков, а остальные представлены плохо или вообще отсутствуют в цифровом мире.

Чтобы решить эту задачу, Google обучила Universal Speech Model на 12 миллионах часов аудио и применила технику переноса знаний между языками: модель учится на языках, где данных много, и применяет найденные закономерности к языкам, где данных мало. По данным компании, работа опирается на 25 лет открытых исследований и более 400 научных публикаций по речевым технологиям.

Параллельно Google выстраивает партнёрства с местными сообществами для сбора данных «с земли»:

— WAXAL — открытый набор речевых данных по 27 языкам Африки южнее Сахары, на которых говорят более 100 миллионов человек в 26+ странах. Проект сделан вместе с Makerere University и Digital Umuganda и специально фиксирует тональные особенности и ритм разговорной речи, которые обычно теряются в стандартных наборах данных. — Project Vaani — совместно с Индийским институтом науки (IISc) и организацией Bhashini собрано свыше 30 000 часов речи на 109 языках от более 155 000 говорящих; картография строится не по языкам, а по регионам Индии. — Amplify Initiative — более 1600 местных экспертов и 20 университетов на четырёх континентах, включая UFMG в Бразилии, IIT Kharagpur в Индии и Makerere University в Уганде, собрали 15 000 мультимодальных точек данных с локальными особенностями.

Ещё один инструмент — Language Explorer, визуализация базы LinguaMeta. Google называет её крупнейшим открытым репозиторием языковых данных в мире: она охватывает более 7000 устных, письменных и жестовых языков.

Прямого отношения к языкам СНГ в этом списке нет, но принцип важен: там, где раньше ИИ работал плохо из-за нехватки данных, качество будет расти быстрее за счёт переноса знаний между языками.

Работа без интернета и с простыми телефонами

Отдельная часть публикации касается доступности. По данным Google со ссылкой на исследование Forbes, более 3 миллиардов человек всё ещё не имеют надёжного доступа к интернету. Технология работает по-настоящему только там, где она доступна в реальных условиях — а не только в демо с быстрым Wi-Fi.

Для этого Google выпустила TranslateGemma — семейство лёгких моделей перевода, построенных на основе Gemini и обученных на 55 языках. Модель работает прямо на устройстве, без облака и без подключения к интернету, что важно для регионов с плохим покрытием сети.

Даже лёгкие модели требуют определённого уровня устройства, а сотни миллионов людей до сих пор используют простые кнопочные телефоны. Здесь Google поддерживает проект Viamo и его сервис «Ask Viamo Anything» (AVA) — голосового ИИ-помощника на базе Gemini, который работает через обычные звонки на кнопочный телефон. По данным компании, в Руанде сервис уже ответил на более 2 миллионов вопросов пользователей.

Жестовый язык и культурный контекст

Google отдельно отмечает, что язык — это не только диалекты и словарный запас, но и другие способы общения, которые традиционные речевые инструменты обычно игнорируют, вынуждая людей подстраиваться под технологию, а не наоборот.

Один из ответов на это — Sign Language-to-Text (SL2T), модель, обученная на более чем 50 жестовых языках. Она включена в функцию рукописного ввода жестами в Gboard и в Live Transcribe на Pixel 11, пока для пары американский жестовый язык — английский. Google описывает это как первый шаг к тому, чтобы сделать продукты доступнее для 70 миллионов человек в мире, которые общаются жестовым языком.

Похожий подход применён к произношению географических названий. В Новой Зеландии компания работала с экспертами по языку маори, чтобы Google Карты правильно произносили местные названия — неправильное произношение не просто путает пользователя, но и обесценивает культурное наследие места. Правильные, культурно точные произношения встроены прямо в модели синтеза речи.

АспектДо обновления ИИ GoogleПосле обновления ИИ Google
Понимание языкаПеревод текста, ограниченное понимание контекстаПонимание языка, эмоций, контекста, распознавание речи
Количество языковОколо 100 языковБолее 300 языков
Интеграция системОтдельные модели для перевода, речи, эмоцийЕдиная система на базе Gemini
Применение в бизнесеБазовый перевод для глобализацииГлубокая локализация контента, улучшенное взаимодействие с клиентами

Что это значит для небольшого бизнеса в России и СНГ

Прямых продуктов для русского языка в публикации не упомянуто, но общая логика касается любого бизнеса, чьи клиенты пользуются голосовым поиском, автопереводом или общаются с компанией не на литературном языке, а так, как говорят в жизни — с акцентом, диалектизмами, смешением языков.

Что стоит сделать на этой неделе:

— Проверьте, как звучит ваш бизнес в голосовом поиске. Спросите вслух у Google Ассистента или через голосовой ввод то, что мог бы спросить клиент: «где купить [товар] в [город]», «сколько стоит [услуга]». Если ответ неточный или бизнес не находится — это сигнал поправить описания на сайте и в карточках компании простыми разговорными формулировками, а не только формальными названиями услуг. — Если у вас интернет-магазин или сайт с описаниями на нескольких языках (русский, казахский, украинский, узбекский и так далее), проверьте автоматические переводы отзывов и карточек товаров. Качество распознавания смешанной речи растёт, и это стоит учитывать при обновлении контента для разных аудиторий. — Если бизнес работает с клиентами через звонки — колл-центр, служба поддержки, приём заказов по телефону — оцените инструменты автоматической транскрипции разговоров. Точность распознавания в шумной обстановке и со специфическими терминами (медицинскими, техническими, отраслевыми) заметно выросла, и это может ускорить обработку заявок и контроль качества звонков без лишних затрат на ручную расшифровку. — Если ваша аудитория — в регионах с нестабильным интернетом или люди, привычные к простым телефонам, не рассчитывайте на сложные голосовые сценарии как единственный канал. Держите текстовые и офлайн-альтернативы: SMS, простые IVR-меню, печатные материалы. Технология для таких сценариев ещё догоняет. — Название вашей компании, товара или улицы, на которой расположен магазин, может произноситься неправильно в навигаторах и голосовых помощниках. Это не критично для крупного бизнеса, но для локальной торговли и услуг стоит проверить, как звучит адрес в Google Картах, и поправить транслитерацию, если она искажает название до неузнаваемости.

Подвох в том, что рост точности ИИ на «больших» языках происходит быстрее, чем на языках народов России и СНГ за пределами русского — украинского, казахского, узбекского и других. Данных на них объективно меньше, и хотя Google описывает технику переноса знаний между языками как способ сократить разрыв, результат для конкретного региона может появиться позже, чем для языков с большим числом носителей и данных.

Развитие технологий искусственного интеллекта открывает новые возможности для оптимизации бизнес-процессов и улучшения взаимодействия с аудиторией. Эффективное применение этих инноваций требует соответствующей технической базы. Создание современных платформ, способных интегрировать передовые ИИ-решения, является ключевым фактором успеха, например, при разработке интернет-магазинов.

Итог

Google описывает переход от перевода текста к пониманию живой речи — с эмоциями, паузами, смешением языков и культурным контекстом. Это отражается в конкретных продуктах: Gemini 3.5 Live Translate, Gemini 3.5 Transcribe, TranslateGemma, Sign Language-to-Text, а также в масштабных партнёрствах по сбору данных для языков, которые раньше были плохо представлены в цифровом мире.

Для бизнеса в России и СНГ прямой пользы от этих конкретных проектов пока нет — они нацелены на другие регионы. Общий тренд всё же стоит учитывать при планировании голосового поиска, автоперевода контента и обработки звонков: точность распознавания разговорной, смешанной и нестандартной речи растёт, и есть смысл заранее проверить, как в этих системах выглядит именно ваш бизнес.

Часто задаваемые вопросы

Что означает «понимание языка, а не только перевод текста»?

Это означает, что ИИ теперь способен не просто конвертировать слова из одного языка в другой, но и улавливать контекст, интонации и эмоциональную окраску высказываний. Такая глубина понимания позволяет более точно интерпретировать смысл.

Как обновление ИИ Google повлияет на бизнес?

Обновление позволит бизнесу улучшить коммуникацию с международной аудиторией, предлагать более персонализированный контент и повысить качество клиентской поддержки. Это открывает возможности для более эффективной локализации продуктов и услуг.

Какие технологии лежат в основе нового ИИ?

В основе лежит языковая модель Gemini, которая объединяет возможности перевода, распознавания речи и анализа эмоций в единую систему. Это обеспечивает комплексный подход к обработке и пониманию естественного языка.

По материалам: Google — AI for everyone in every language

Автор разбора
Александр К.

Эксперт по созданию сайтов, рекламе в интернете и маркетингу с 2012 года. Основатель агентства AIFORSALE.

Чем можем помочь
Интернет-магазиныМаркетингИИ-роботыСвязаться
← Все статьи