تصور کنید در کشوری زندگی می‌کنید که برای دسترسی به ساده‌ترین خدمات دولتی یا خرید آنلاین، باید زبانی را بلد باشید که هرگز در خانه یا مدرسه نشنیده‌اید. برای ۹۰۰ میلیون هندی که انگلیسی نمی‌دانند، این یک مانع واقعی است، نه یک فرض تئوریک.
طبق داده‌های وزارت الکترونیک و فناوری اطلاعات هند (MeitY)، بیش از ۸۵٪ کاربران اینترنت در مناطق روستایی هند، محتوای دیجیتال به زبان مادری خود را به انگلیسی ترجیح می‌دهند. این شکاف زبانی عظیم به این معناست که کسب‌وکارهایی که صرفاً بر زبان انگلیسی تکیه می‌کنند، در واقع سریع‌ترین بخش‌های در حال رشد بازار مصرف‌کننده در شهرهای درجه ۲ و ۳ و همچنین مناطق روستایی هند را نادیده گرفته و از آن‌ها حذف می‌کنند. به همین دلیل، دولت هند «مأموریت ملی ترجمه زبان» را آغاز کرد. مرکز ثقل این تلاش، Bhashini AI است؛ یک پلتفرم ترجمه تخصصی که برای ظرافت‌های فرهنگی و ساختارهای جمله‌بندی خاص شبه‌قاره هند بهینه شده است. برخلاف مدل‌های جهانی، Bhashini روی مجموعه‌داده‌های عظیم و بومی آموزش دیده است که مستقیماً از گویندگان محلی در سراسر هند جمع‌آوری شده‌اند.
همان‌طور که در بحث‌های گذشته ما درباره‌ی هوش مصنوعی حاکمیتی (Sovereign AI) اشاره کردیم، مالکیت داده‌های زبانی برای حفظ استقلال دیجیتال حیاتی است. Bhashini از یک چارچوب متن‌باز تشکیل شده که پنج رکن اصلی تکنولوژیک دارد:
- Suno: یک موتور تبدیل گفتار به متن (Speech-to-Text) که گویش‌های محلی spoken را به متن نوشتاری دقیق تبدیل می‌کند. این رویکرد در راستای بهبود دقت تبدیل صوت به متن است که در بررسی ابزارهای پیشرو مانند Whisper به آن پرداختیم.
- Bolo: یک سامانه تبدیل متن به گفتار (TTS) که صداهای منطقه‌ای طبیعی و شبیه به انسان را برای خواندن متن‌های نوشتاری فراهم می‌کند.
- Likhit: ابزار نویسه‌خوانی نوری (OCR) که متن را از اسناد فیزیکی، تصاویر اسکن شده و حتی دست‌نویس‌ها استخراج و ترجمه می‌کند.
- Anuvaad: موتور اصلی ترجمه ماشینی برای متن و اسناد، که امکان ترجمه بین ۲۲ زبان رسمی هند یا ترجمه از انگلیسی به زبان‌های منطقه‌ای را فراهم می‌کند.
- Bhasha Daan: یک ابتکار جمع‌سپاری جامعه‌محور که در آن شهروندان هندی با ارائه ضبط‌های صوتی، ترجمه‌ها و اصلاحات متنی، کمک می‌کنند تا گویش‌های منطقه‌ای به صورت اصیل ثبت شوند.
تا سال ۲۰۲۶، تغییر جهت به سمت استفاده از زبان‌های محلی در اینترنت به یک روند غالب تبدیل شده است. به گزارش MeitY، تعداد کاربران زبان‌های محلی اکنون با نسبت سه به یک از کاربران انگلیسی پیشی گرفته‌اند. این تغییر صرفاً یک ترجیح شخصی نیست، بلکه درباره سودمندی اقتصادی است. یک گزارش مشترک توسط NASSCOM برجسته می‌کند که فعال‌سازی زبان‌های محلی، پذیرش تراکنش‌های دیجیتال را در مناطق روستایی بیش از ۴۰٪ افزایش داده است. این تمایل به بومی‌سازی را در استراتژی‌های غول‌های فناوری نیز می‌بینیم؛ برای مثال، آمازون نیز اخیراً Alexa+ را با پشتیبانی از زبان هندی برای نفوذ بیشتر در این بازار عرضه کرد.
پلتفرم Bhashini سه مانع حیاتی را که APIهای تجاری معمولاً نادیده می‌گیرند، برطرف می‌کند:
اول، دقت در گویش‌ها؛ با وجود ۲۲ زبان رسمی شناخته شده و صدها گویش منطقه‌ای، ابزارهای استاندارد جهانی اغلب شکست می‌خورند. Bhashini از الگوهای گفتاری واقعی مردم هند استفاده می‌کند تا زمینه‌های منطقه‌ای را به درستی درک کند.
دوم، مقرون‌به‌صرفه بودن؛ APIهای ترجمه تجاری اغلب برای زبان‌های غیراروپایی هزینه‌های گزافی دریافت می‌کنند. Bhashini دسترسی به API را به‌طور ویژه‌ای برای استارتاپ‌های هندی، شرکت‌های کوچک و متوسط (MSMEs) و توسعه‌دهندگان انفرادی بسیار ارزان فراهم کرده است.
سوم، ناوبری صوت‌محور؛ بسیاری از کاربران جدید اینترنت به‌جای تایپ کردن، دستورات صوتی را ترجیح می‌دهند. موتور گفتار-به-گفتار Bhashini برای کسانی که با سواد نوشتاری مشکل دارند، مرور وب مبتنی بر صدا را تسهیل می‌کند.
کاربران می‌توانند از طریق پورتال رسمی ترجمه Bhashini یا اپلیکیشن اختصاصی آن که در اندروید و iOS موجود است، به این سرویس دسترسی داشته باشند. روند کار بسیار ساده و مستقیم است:
۱. دسترسی: پورتال را باز کنید یا اپلیکیشن موبایل را اجرا نمایید.
۲. ورودی: یک روش را انتخاب کنید؛ یا متن را مستقیماً تایپ کنید، یا اسناد (مانند فایل‌های PDF، Word یا صفحات متنی) را آپلود کنید، و یا از میکروفون برای ورودی صوتی در لحظه استفاده کنید.
۳. انتخاب: زبان مبدأ (مثلاً انگلیسی یا هندی) و زبان مقصد را از منوی کشویی انتخاب کنید (مثلاً تامیل، تلوگو، بنگالی، ماراتی یا گجراتی).
۴. اجرا: روی گزینه «Translate» کلیک کنید. در مورد ورودی‌های صوتی، کاربران می‌توانند خروجی صوتی را پخش کنند تا تلفظ دقیق و آهنگ محلی (cadence) را بشنوند.
علاوه بر ترجمه ساده، ابزارهای تخصصی دیگری نیز در این اکوسیستم وجود دارد که تأثیرات بالایی دارند:
- چت‌بات Jugalbandi AI: این بات که با همکاری مایکروسافت توسعه یافته و بر بستر واتس‌اپ فعال است، طرح‌های پیچیده دولتی را برای شهروندان روستایی توضیح می‌دهد. کاربران پیام‌های صوتی را به زبان محلی خود می‌فرستند؛ بات داده‌ها را از پایگاه‌های داده دولتی بازیابی کرده و با همان زبان مادری پاسخ می‌دهد.
- مترجم اسناد Anuvaad: ابزاری برای کسب‌وکارها جهت ترجمه اسناد حقوقی، دفترچه‌های راهنمای کاربر و بروشورهای بازاریابی. این ابزار از آپلود دسته‌ای (bulk) پشتیبانی می‌کند در حالی که قالب‌بندی اصلی، جداول و ساختار سند را حفظ می‌نماید.
- SDKها و APIهای Bhashini: این‌ها به توسعه‌دهندگان اجازه می‌دهند قابلیت‌های تبدیل گفتار به متن و ترجمه را در وب‌سایت‌های موجود ادغام کنند. برای مثال، پورتال‌های تجارت الکترونیک می‌توانند یک دکمه تغییر زبان ساده قرار دهند تا کاربران بتوانند به زبان‌های هندی، تامیل یا بنگالی خرید کنند.
در مقایسه با گوگل ترنسلیت، Bhashini در چندین زمینه کلیدی برتری آشکاری نشان می‌دهد:
- ظرافت‌های زبانی: Bhashini به‌دلیل استفاده از مجموعه‌داده‌های بومی هند، دقت بسیار بالایی دارد، در حالی که گوگل ممکن است ترجمه‌هایی بیش از حد تحت‌اللفظی ارائه دهد.
- عمق زبانی: Bhashini پشتیبانی عمیقی از تمام ۲۲ زبان رسمی منطقه‌ای، از جمله گویش‌های کمتر شناخته شده، فراهم می‌کند.
- قالب‌بندی: این ابزار به‌طور ویژه‌ای برای فرمت‌های دولتی و حقوقی هند سفارشی شده است، برخلاف ترجمه قالب‌های استاندارد گوگل.
- هزینه: Bhashini یک سطح رایگان و هزینه‌های API پایین برای استارتاپ‌های محلی ارائه می‌دهد و از قیمت‌گذاری‌های دلاری و پلکانی گوگل اجتناب می‌کند.
- عملکرد صوتی: Bhashini در تشخیص لهجه‌های متنوع مناطق مختلف هند برتری دارد، در حالی که ابزارهای جهانی اغلب با اصطلاحات محلی مشکل دارند.
این حرکت به سمت حاکمیت محاسباتی و زبانی نشان می‌دهد که آینده هوش مصنوعی در بازارهای عظیم و چندزبانه، محلی است. هند با مالکیت داده‌ها و مدل‌ها، تضمین می‌کند که اقتصاد دیجیتالش توسط تسلط به زبان انگلیسی محدود یا گیت‌بندی نشود.
برای توسعه‌دهندگان و کارآفرینان، گام بعدی ادغام این SDKها در اپلیکیشن‌های مشتری‌محور برای تصاحب بازار روستایی است. شما باید به‌روزرسانی‌های جامعه Bhasha Daan را رصد کنید تا ببینید گویش‌های جدید چگونه در حال ادغام در مدل اصلی هستند.
گام بعدی شما
- اگر توسعه‌دهنده هستید، SDKهای Bhashini را برای دسترسی به بازارهای غیرانگلیسی‌زبان بررسی کنید.
- به‌روزرسانی‌های جامعه Bhasha Daan را دنبال کنید تا ببینید گویش‌های جدید چگونه به مدل اضافه می‌شوند.
- مدل‌های بومی‌سازی شده را با ابزارهای جهانی مقایسه کنید تا تفاوت دقت در اصطلاحات تخصصی را بسنجید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو