"ഉം... ആഹ്..." തെറ്റുകൾ മറന്നേക്കൂ; മംഗ്ലീഷും തനിയെ തിരുത്തുന്ന ജിബോർഡ് 'റാംബ്ലർ' വോയ്സ് എഐ

വോയ്സ് ടൈപ്പിംഗിലെ തപ്പിത്തടയലുകളും അനാവശ്യ വാക്കുകളും സ്വയം വെട്ടിമാറ്റി വ്യക്തമായ വാക്യങ്ങളാക്കി മാറ്റുന്ന 'റാംബ്ലർ' (Rambler) എഐ ഫീച്ചർ ജിബോർഡിൽ ഗൂഗിൾ അവതരിപ്പിക്കുന്നു. മലയാളവും ഇംഗ്ലീഷും കലർത്തി സംസാരിച്ചാലും (Manglish) സംസാരത്തിലെ ആശയം മനസ്സിലാക്കി മികച്ച ടെക്സ്റ്റാക്കി മാറ്റാൻ ഇത് സഹായിക്കും.

വോയ്സ് ടൈപ്പിംഗ് (Voice-to-Text) സൗകര്യം ഫോണുകളിൽ വന്നിട്ട് വർഷങ്ങളായെങ്കിലും, സംസാരിക്കുമ്പോൾ അറിയാതെ വരുന്ന "ഉം...", "ആഹ്...", അല്ലെങ്കിൽ ആവർത്തിച്ചു പറയുന്ന വാക്കുകൾ അതുപോലെ സ്ക്രീനിൽ അച്ചടിച്ചുവരുന്നത് ഉപയോക്താക്കൾ നേരിടുന്ന വലിയൊരു പോരായ്മയായിരുന്നു. പലപ്പോഴും സംസാരിച്ച് ടൈപ്പ് ചെയ്ത ശേഷം വീണ്ടും കൈകൊണ്ട് അക്ഷരത്തെറ്റുകൾ തിരുത്തേണ്ടി വരാറുണ്ട്.

ഈ തലവേദനയ്ക്ക് ശാശ്വത പരിഹാരം കാണുകയാണ് ഗൂഗിളിന്റെ ജനപ്രിയ കീബോർഡ് ആപ്പായ ജിബോർഡിൽ (Gboard) എത്തുന്ന പുതിയ 'റാംബ്ലർ' (Rambler) എഐ സാങ്കേതികവിദ്യ.

എന്താണ് ജിബോർഡ് 'റാംബ്ലർ' (Rambler)?

പരമ്പരാഗത സ്പീച്ച്-ടു-ടെക്സ്റ്റ് എഞ്ചിനുകൾ ആളുകൾ പറയുന്ന ഓരോ ശബ്ദത്തെയും അതുപോലെ വാക്കുകളാക്കി മാറ്റുകയാണ് ചെയ്തിരുന്നത്. എന്നാൽ 'റാംബ്ലർ' പ്രവർത്തിക്കുന്നത് ഒരു ഇന്റലിജന്റ് എഡിറ്ററെപ്പോലെയാണ്:

ഫില്ലർ വേർഡുകൾ ഒഴിവാക്കൽ: സംസാരിക്കുമ്പോൾ ചിന്തിക്കാൻ എടുക്കുന്ന സമയം കൊണ്ടുവരുന്ന "Um...", "Uh...", "Like...", "അതായത്..." തുടങ്ങിയ അനാവശ്യ പ്രയോഗങ്ങൾ എഐ തനിയെ തിരിച്ചറിഞ്ഞ് ഒഴിവാക്കും.

ചിന്താക്കുഴപ്പങ്ങൾ തിരുത്തൽ (Speech Correction): ഒരു വാക്ക് പറഞ്ഞതിന് ശേഷം പെട്ടെന്ന് മാറ്റി വേറൊരു വാക്ക് പറഞ്ഞാൽ (Self-correction), ആദ്യം പറഞ്ഞ തെറ്റായ ഭാഗം ഒഴിവാക്കി രണ്ടാമത്തെ ശരിയായ ആശയം മാത്രം ടെക്സ്റ്റിലേക്ക് ചേർക്കും.

പങ്ച്വേഷൻ & പാരഗ്രാഫ്: നിർത്തുന്നിടത്ത് കോമയും ഫുൾസ്റ്റോപ്പും ചോദ്യചിഹ്നങ്ങളും സ്വാഭാവികമായി ചേർത്തുകൊണ്ട് വായിക്കാൻ ഇമ്പമുള്ള ശൈലിയിലേക്ക് മാറ്റും.

മംഗ്ലീഷിനും പ്രാദേശിക ഭാഷകൾക്കും വലിയ അനുഗ്രഹം

മലയാളികൾ ഉൾപ്പെടെയുള്ള ബഹുഭാഷാ ഉപയോക്താക്കൾക്ക് (Multilingual Users) ഏറ്റവും വലിയ ഗുണം ചെയ്യുന്നത് ഇതിന്റെ ഭാഷാ സംയോജന ശേഷിയാണ്:

കോഡ്-മിക്സിംഗ് (Code-Mixing):
മലയാളവും ഇംഗ്ലീഷും ഇടകലർത്തി സംസാരിക്കുമ്പോൾ (Tanglish / Manglish) ആശയക്കുഴപ്പമില്ലാതെ വാക്കുകൾ വേർതിരിച്ച് കൃത്യമായ വാക്യഘടനയിൽ ക്രമീകരിക്കും.

ഔദ്യോഗിക രൂപത്തിലേക്ക് മാറ്റൽ:
നമ്മൾ ഒരു സുഹൃത്തിനോട് സംസാരിക്കുന്ന ലാഘവത്തോടെ ചിതറിക്കിടക്കുന്ന വാക്കുകളിൽ ശബ്ദസന്ദേശം നൽകിയാലും, അതിനെ ഒരു ഓഫീസ് ഇമെയിലിനോ ഔദ്യോഗിക സന്ദേശത്തിനോ അനുയോജ്യമായ പ്രൊഫഷണൽ ഭാഷയിലേക്ക് മാറ്റാൻ ജെമിനി ഓൺ-ഡിവൈസ് എഞ്ചിന് കഴിയും.

ഓഫ്‌ലൈൻ പ്രോസസ്സിംഗ്:
ഗൂഗിൾ പിക്സൽ ഫോണുകളിലെ ടെൻസർ പ്രോസസ്സറും ജെമിനി നാനോയും ഉപയോഗിച്ച് ഫോണിനുള്ളിൽ വെച്ച് തന്നെ ഈ എഡിറ്റിംഗ് നടക്കുന്നതിനാൽ ഇന്റർനെറ്റ് ഡാറ്റ ആവശ്യമില്ലാതെ തന്നെ അതിവേഗം റെസ്‌പോൺസ് ലഭിക്കും.

ടൈപ്പ് ചെയ്യാൻ മടിയുള്ളവർക്കും, യാത്ര ചെയ്യുമ്പോഴും ഡ്രൈവ് ചെയ്യുമ്പോഴും വേഗത്തിൽ സന്ദേശങ്ങൾ അയക്കേണ്ടവർക്കും ജിബോർഡിലെ 'റാംബ്ലർ' ഫീച്ചർ ഒരു പുതിയ അനുഭവമായിരിക്കും സമ്മാനിക്കുക.

FAQ (Frequently Asked Questions )

Q1: എന്താണ് ജിബോർഡ് 'റാംബ്ലർ' (Gboard Rambler) ഫീച്ചർ?

A: വോയ്സ് ടൈപ്പിംഗ് ചെയ്യുമ്പോൾ അബദ്ധത്തിൽ പറയുന്ന വാക്കുകളും (ഉദാഹരണത്തിന് "ഉം", "ആഹ്"), തെറ്റായ ഉച്ചാരണങ്ങളും ഒഴിവാക്കി വ്യക്തമായ വാക്യങ്ങളാക്കി സ്വയം തിരുത്തി നൽകുന്ന ഗൂഗിളിന്റെ പുതിയ എഐ സംവിധാനമാണിത്.

Q2: മലയാളവും ഇംഗ്ലീഷും ഒരുമിച്ച് സംസാരിച്ചാൽ ഇത് മനസ്സിലാകുമോ?

A: അതെ. മംഗ്ലീഷ് പോലുള്ള മിക്സഡ് ഭാഷാ സംഭാഷണങ്ങളെ തിരിച്ചറിയാനും അവയിലെ വാക്കുകൾ വ്യക്തമായ ശൈലിയിലേക്ക് മാറ്റാനും ഇതിലെ മൾട്ടി-ലാംഗ്വേജ് മോഡലുകൾക്ക് സാധിക്കും.

Q3: ഈ വോയ്സ് പ്രോസസ്സിംഗ് വഴി നമ്മുടെ സംസാരം ഗൂഗിൾ സെർവറുകളിലേക്ക് പോകുമോ?

A: ഇല്ല. പുതിയ പിക്സൽ ഫോണുകളിൽ ജെമിനി നാനോ ഉപയോഗിച്ച് ഫോണിന്റെ ഇന്റേണൽ ചിപ്പിൽ വെച്ച് തന്നെയാണ് ശബ്ദം ടെക്സ്റ്റാക്കി തിരുത്തുന്നത്. അതിനാൽ സ്വകാര്യത സുരക്ഷിതമായിരിക്കും.

Sources:  
ഗൂഗിൾ ഔദ്യോഗിക ഡോക്യുമെന്റേഷൻ & റിലീസുകൾ
Android Developers & Google AICore Documentation
Google I/O & DeepMind Model Releases
HokAI / Machine Learning Reference Index
ഗൂഗിളിന്റെ ഔദ്യോഗിക സാങ്കേതിക രേഖകളും (Android AICore/MLKit) അംഗീകൃത ടെക് മാധ്യമ റിപ്പോർട്ടുകളും തമ്മിൽ ഒത്തുനോക്കി സ്ഥിരീകരിച്ചതാണ്.
Author: Ummer Mohammed
Editorial Review: VOC Editorial Team
Fact Check: VOC Research Team
Last Updated : Oct 15. 2026