"Hasta ahora el sistema aprendía la voz y a partir de ahí, podía sintetizarla y hablar con una voz parecida a la tuya. Este modelo traduce tu sonido y te lo devuelve directamente. La gran revolución de este nuevo sistema es que traducimos audio a audio", explica Javier Martínez, el director del equipo de preventa de Google Cloud.

Probarlo es sorprendemente. Desde la interfaz habitual de la videollamada, podemos activar la función de traducción simultánea de forma parecida a la que ya existe para agregar subtítulos. A partir de ese momento, si nuestro interlocutor habla en inglés pasaremos a escucharle en español. Y si nosotros hablamos en español, en nos escuchará en inglés. El sonido original se mantiene a un nivel más bajo y el doblaje pasa a ser protagonista. 

El resultado es similar al de ver un discurso de televisión traducido en directo, con la diferencia de que en este caso lo que escuchamos se ajusta perfectamente al tono de voz y ritmo de quien habla.

Desde mayo, la traducción de voz en Google Meet está disponible en versión beta para los suscriptores de los planes Google AI Pro y Ultra. Inicialmente solo para inglés y español, aunque se van las próximas semanas se añadirán más idiomas.

Sin embargo, la mayoría de los modelos de lenguaje (LLM) siguen traduciendo palabra por palabra. "El gran reto ahora es conseguir que la traducción sea la correcta y la apropiada para el contexto", nos cuenta Pilar Sánchez Gijón, catedrática del departamento de traducción e interpretación de la Universidad Autónoma de Barcelona (UAB).