Google möchte das Erlebnis verbessern und stellt auf seinem KI-Blog nun Translatotron vor. Ein End-To-End-Sprachmodell, welches die Stimme des Verwenders und das gesprochene Wort analysiert, den Text übersetzt und die Übersetzung mit der eigenen Stimme und Sprachgeschwindigkeit wieder ausgibt. Google nutzt dafür ein sogenanntes Sequence-to-Sequence Netzwerk-Modell, das die Stimme in ein Spektogramm überträgt und daraus ein neues Spektogramm mit dem übersetzten Text erstellt. Wer an technischen Detail interessiert ist, schaut sich am besten den das dazugehörige Paper an. Stimmenbeispiele gibt es auf einer separaten Seite. Natürlich hört sich das noch etwas roboterhaft an, aber die ersten Ergebnisse sind schon ziemlich ansehnlich.