Gemma Translator
گوگل یک دستگاه مترجم هوش مصنوعی قابلحمل و آفلاین توسعه داده که شما هم میتوانید نمونهای از آن را بسازید
سید محمدجواد فیاض
- ۲۹ مرداد ۱۴۰۵
پروژه Gemma Translator یک پروژه کاملاً آفلاین و لوکال در حوزه سختافزار و هوش مصنوعی است که نشان میدهد چگونه میتوان بدون نیاز به اینترنت یا سرورهای ابری، یک دستگاه مترجم صوتی جیبی و هوشمند ساخت.
این دستگاه بر پایه سختافزار کممصرف Raspberry Pi 5 اجرا شده و از Gemma 4 E4B، کوچکترین مدلهای خانواده هوش مصنوعی Gemma برای پردازش و ترجمه بهره میبرد. این پروژه به کمک ابزار Antigravity توسعه یافته و تمام فرایندهای ورودی، پردازش و خروجی صوتی را بهصورت محلی انجام میدهد.
پردازش و هوش مصنوعی تماماً آفلاین
مهمترین نقطه قوت Gemma Translator استقلال کامل آن از شبکه اینترنت است. پس از تنظیمات اولیه و بارگذاری مدل، تمام فرایند تبدیل گفتار به متن، ترجمه زبانی و پخش صوتی، کاملاً در داخل خود دستگاه صورت میگیرد. این ویژگی، امنیت دادهها را تضمین کرده و امکان استفاده در مناطق دورافتاده را فراهم میسازد.
هسته اصلی سختافزاری این دستگاه، مبتنی بر برد کوچک و کممصرف Raspberry Pi 5 است که بهعنوان پردازنده مرکزی عمل کرده و توان لازم برای اجرای محلی الگوریتمهای پیچیده را فراهم میآورد. در بخش نرمافزار و هوش مصنوعی نیز از کوچکترین و بهینهترین مدل خانواده Gemma 4، یعنی Gemma 4 E4B استفاده شده است. انتخاب این مدل هوشمند به همراه بهینهسازیهای صورتگرفته باعث شده تا تأخیر زمانی پردازش به حداقل ممکن برسد و فرایند تبدیل گفتار به متن، ترجمه زبانی دقیق و در نهایت بازتولید صوتی متن ترجمهشده، روان و سریع انجام گیرد. جهت تکمیل سختافزار، یک میکروفون برای دریافت صدای ورودی کاربر و یک اسپیکر جهت پخش صدای ترجمهشده به برد متصل شده است.
طراحی
فرایند ساخت و توسعه این پروژه یک مسیر گامبهگام و مبتنی بر آزمونوخطا بوده که با استفاده از پلتفرم Antigravity مدیریت و اجرا شده است. توسعهدهندگان پس از اطمینان از عملکرد درست مدارهای الکترونیکی اولیه، مراحل متعددی را صرف طراحی رابط کاربری نرمافزاری و ارتقای پایداری سیستم کردند. پس از ثبت نتایج امیدوارکننده در تستهای اولیه گفتار و صوت، محفظه و کیس اختصاصی دستگاه جهت جانمایی یکپارچه قطعات الکترونیکی، میکروفون و اسپیکر طراحی شد. این بدنه با استفاده از فناوری پرینت سهبعدی ساخته شد تا یک محصول فشرده، یکدست و قابلحمل شکل گیرد.
تیم طراحی این محصول از LiteRT-LM برای اجرای مدل Gemma 4 E4B و از Moonshine برای تبدیل متن به گفتار برای خروجی گفتار ترجمه شده از طریق بلندگو استفاده کرد. همه چیز روی Raspberry Pi 5 اجرا میشود و یک صفحه لمسی کوچک با رابط کاربری سفارشی برای نمایش ترجمهها در زمان واقعی وجود دارد.
بهترین بخش در مورد کل پروژه این است که پس از راهاندازی اولیه، کاملاً آفلاین اجرا میشود. بنابراین، میتوان از آن در هر مکانی بدون اتصال تلفن همراه یا وایفای استفاده کرد. همچنین نشان میدهد که مدل Gemma 4 E4B چقدر در انجام ترجمهها بدون اتصال به سرور برای قدرت پردازش اضافی توانمند است.
چرا Gemma Translator مهم است؟
مزیت پروژه Gemma Translator تنها در ساخت یک ابزار ترجمه توسط یک شرکت بزرگ خلاصه نمیشود، بلکه این پروژه یک الگوی کاملاً عملی برای علاقهمندان به پروژههای ساخت شخصی (DIY) و پژوهشگران هوش مصنوعی است.
ازاینرو، تیم پژوهشی گوگل تمام کدها و فایلهای چاپ سهبعدی را در GitHub در دسترس قرار داده تا هر کسی بتواند دستگاه ترجمه آفلاین خود را دانلود، کامپایل و ایجاد کند.
پروژه Gemma Translator بهخوبی نشان میدهد که چطور مدلهای زبانی بزرگ با بهینهسازیهای مدرن میتوانند روی سختافزارهای کوچک ارزانقیمت قرار گیرند و بدون اتکا به شرکتهای بزرگ فناوری یا بسترهای ابری، خروجیهای کاربردی و ارزشمندی تولید کنند.
