Épp a minap írtunk az OpenAI új ChatGPT Translate szolgáltatásáról, amelyet jó eséllyel a DeepL és a Google Translate kihívójának szánnak, erre tessék, ma is a fordítás kerül terítékre. Ezúttal viszont a Google-től érkezik egy igen izgalmas megoldás. Merthogy a cég bemutatta a TranslateGemma-t, egy új csomagot olyan nyílt mesterséges intelligencia modellekből, amelyek a Gemma 3 architektúrára épülnek. Ezeknek lényeges eleme, hogy nem csak távoli szerverekről tudjuk elérni őket, hanem akár offline, a gépünkön is beüzemelhetők. Megmutatjuk, milyen egyszerű a Google TranslateGemma használata, s ennek kapcsán mindjárt értelmet nyer majd a nyitóképünk is a szöveget fordító lámával.
Mi az a TranslateGemma?
A TranslateGemma egy nyílt forráskódú, kifejezetten fordításra optimalizált AI modellcsalád, amelyet a Google azért fejlesztett, hogy az élvonalbeli nagy nyelvi modellek (LLM-ek) tudását lecsiszolva egyszerűen használható, mégis megbízhatóan dolgozó fordítási képességet kapjunk. Ezeket a modelleket kifejezetten gépi fordításra optimalizálták, miközben megtartották a Gemma 3 alapvető nyelvi és multimodális jellemzőit. 
A TranslateGemma 55 nyelvet támogat, beleértve a gyakori és kevésbé elterjedt nyelveket is, így széleskörűen használható a világ különféle régióiban és nyelvi kontextusaiban. A modell három változatban látott napvilágot:
- 4 B paraméteres verzió: ideális kisebb eszközökre és helyi használatra
- 12 B paraméteres modell: erős kompromisszum a teljesítmény és hatékonyság között
- 27 B paraméteres változat: legnagyobb kapacitású opció, nagy volumenű fordítási feladatokhoz
A TranslateGemma célja, hogy nyílt és hatékony fordítási eszközöket tegyen elérhetővé fejlesztők, kutatók és vállalkozások számára, akár mobilon, asztali gépen, de még felhőben futtatva is. Az eddigi korlátozott vagy zárt API-k helyett most olyan modellek állnak rendelkezésre, amelyek könnyebben integrálhatók saját alkalmazásokba.
A Google TranslateGemma használata
Természetesen nem mindenki programozó, így biztosan sokan vannak olyanok, akik szeretnének ugyan egy AI alapú offline fordítót, de nem kívánnak ehhez sem Pythont, sem Xojo, sem egyéb fejlesztői környezetben alkalmazást összedobni otthon a számítógépen.
A TranslateGemma modellek szerencsére bárki számára ingyen letölthetők és kipróbálhatók különböző platformokon, például a Hugging Face oldalán. De amit mi még jobban kedvelünk: az Ollama segítségével is használhatók. Erről anno itt írtunk részletesen, a lényeges, hogy offline, a számítógépünkön (Windows, macOS, Linux) tudunk vele különféle ingyenes AI modelleket futtatni. Sőt, egy ideje már felhőben is (bár az már csak részben ingyenes, mert ott az Ollama szerverét használjuk).
Mindenesetre ha a gépünkre letöltjük az ingyenes Ollama alkalmazást, azzal könnyedén telepíthetjük a translategemma modellt. Az alkalmazás felülete is ad erre módot (ha regisztrálunk), de megy a dolog parancssorból is az ollama run translategemma utasítással. Így a modellt letölti a program, s onnantól offline cseveghetünk vele, igaz, ez esetben parancssorban.
Aki ettől is ódzkodna, annak érdemes inkább az Ollama app felületéről telepíteni, az ott található modell telepítő funkcióval, s onnantól egy ChatGPT-szerű csevegőfelületen tud dolgozni, azaz fordítani. Otthoni gépekre mi a translategemma:4b modellt javasoljuk, de erősebb hardver és sok memória esetében akár a translategemma:12b változattal is lehet próbálkozni.
Mi egy 16 GB-os M1-es MacBookon teszteltük és a translategemma:4b kifejezetten gyors volt, ráadásul nagyon jól is teljesített a fordításoknál. De a 12b változat sem ölte meg a rendszert, bár érezhetően tovább tartott neki a fordítás. Cserébe viszont még ügyesebb volt és már jobban be lehetett fogni például magyar szinonima szótárnak is, amiben a 4b még elég fura válaszokat adott (amúgy a jó válaszok mellé tett érdekes extrákat).
Összességében a TranslateGemma egy sok szempontból hasznos megoldás, amely sokkal nyitottabbá és rugalmasabbá hetei majd a gépi fordítás területét a fejlesztők és a felhasználók számára egyaránt. Jelentősen csökkenhetnek vele a költségek, miközben nő a teljesítmény, kiváltképp, ha kisebb, helyi rendszereken szeretnénk fordítási funkciókat beépíteni.
