Google amplía su apuesta por una IA que entienda más idiomas, voces y contextos

Google quiere ir más allá de traducir texto

Google anunció que sus tecnologías y productos ya funcionan en más de 300 idiomas, hablados por más de 7.000 millones de personas, equivalentes al 86 % de la población mundial. La compañía presentó ese alcance como un punto de partida para desarrollar sistemas capaces de interpretar no solo palabras, sino también formas reales de hablar.

Según Google, Translate ha pasado de admitir un puñado de idiomas en 2006 a ofrecer más de 250 en la actualidad. El nuevo foco descrito por el proveedor desplaza la atención desde la cantidad de idiomas hacia un problema más difícil: conservar intención, ritmo, emoción, pronunciación y cambios de lengua dentro de una misma conversación.

Del texto al audio directo

Google afirma que Gemini 3.5 Live Translate permite traducción oral en tiempo real entre 70 idiomas y más de 2.000 pares lingüísticos. Para los usuarios, la importancia potencial no está solamente en recibir una equivalencia de palabras, sino en que una interacción conserve señales que suelen desaparecer al convertir primero todo el audio en una transcripción.

Esta orientación podría beneficiar a personas que alternan idiomas o dialectos al hablar, pero el anuncio no ofrece en el extracto comparaciones independientes de precisión. Tampoco permite saber si la calidad es uniforme en todos los pares lingüísticos, acentos, ambientes ruidosos o situaciones donde una interpretación equivocada puede tener consecuencias importantes.

Más datos para idiomas poco representados

Google dice que su iniciativa busca cubrir los 1.000 idiomas más hablados y que el Universal Speech Model fue entrenado con 12 millones de horas de audio. El planteamiento consiste en trasladar patrones aprendidos con idiomas abundantes en datos hacia otros que disponen de menos material para entrenar sistemas de voz.

Google describe WAXAL como un conjunto abierto de voz que abarca 27 idiomas del África subsahariana, hablados por más de 100 millones de personas en más de 26 países. Desde una perspectiva editorial, abrir datos puede facilitar que investigadores externos examinen o reutilicen parte del trabajo, aunque la escala de una colección no demuestra por sí sola que represente adecuadamente todos los dialectos, edades y contextos sociales.

Traducción local y accesibilidad

Google presentó TranslateGemma como una familia de modelos abiertos y ligeros, entrenados en 55 idiomas y diseñados para traducir en el dispositivo sin depender de internet. El procesamiento local podría resultar especialmente relevante donde la conexión es limitada o intermitente, pero la utilidad práctica seguirá condicionada por el hardware necesario, el tamaño de los modelos y su desempeño fuera de condiciones controladas.

Google también asegura que su sistema Sign Language-to-Text fue entrenado con más de 50 lenguas de señas y comienza con la conversión de ASL a inglés en Gboard y Live Transcribe para Pixel 11. La formulación del proveedor deja claro que ese punto de partida no equivale a una cobertura completa y simultánea de todas las lenguas incluidas durante el entrenamiento.

Lo que todavía falta comprobar

El anuncio reúne alcance lingüístico, modelos de voz, datos comunitarios, funcionamiento sin conexión y accesibilidad bajo una misma estrategia. Sin embargo, quedan abiertas preguntas centrales: cómo mide Google la comprensión del contexto cultural, qué diferencias de calidad existen entre idiomas dominantes y minoritarios, cómo participan las comunidades en la evaluación y qué controles protegen los datos de voz.

La prueba decisiva no será únicamente cuántos idiomas figuran en una lista, sino si hablantes diversos pueden comunicarse sin tener que adaptar constantemente su pronunciación o identidad al sistema. Para valorar ese avance harán falta evaluaciones desglosadas, estudios externos y resultados obtenidos en entornos cotidianos, elementos que no aparecen detallados en el extracto del anuncio.