Google представила Gemini 3.5 Transcribe — ШІ перетворить живу мову на готовий текст без слів-паразитів

Google представила модель Gemini 3.5 Transcribe з новими можливостями розшифровки усної мови, підтримкою спеціальних термінів та понад 85 мовами. Нова модель з'явилася на фоні затримки випуску флагманської Gemini 3.5 Pro.

Джерело зображення: blog.google

За словами Google, Gemini 3.5 Transcribe «представляє собою значний крок уперед у порівнянні з нашою попередньою моделлю розшифровки мови Chirp 3», особливо в плані підтримки кількох мов та зменшення кількості помилок у розпізнаному тексті. Вона дозволяє користувачам «редагувати текст природним чином, використовуючи лише свій голос», автоматично форматує розшифровку та видаляє слова-паразити.

Користувачі можуть підключити до моделі власний словник, завдяки якому Gemini 3.5 Transcribe буде враховувати спеціальну термінологію, власні імена та нестандартне написання слів, звільняючи людину від необхідності виправляти їх вручну. При обробці записаного аудіо модель вміє розділяти репліки до трьох говорячих і ставити часові мітки для кожного слова.

Google також готує моделі Gemini 3.5 Live та 3.5 Live Experimental, які повинні розширити можливості технологій розпізнавання та обробки мови, що лежать в основі голосового чату Gemini. Спочатку компанія повідомила журналістам, що обидві моделі виходять одночасно з Gemini 3.5 Transcribe. Однак після публікації матеріалів Google уточнила, що наразі випускається лише Transcribe, а терміни появи Gemini 3.5 Live та 3.5 Live Experimental поки що не визначені. Раніше компанія розповідала, що Gemini 3.5 Live зможе краще справлятися з перервами в середині фрази, розпізнаванням мови та обробкою візуальних даних у реальному часі, а Live Experimental — коментувати хід виконання складних завдань.

Gemini 3.5 Transcribe з підтримкою англійської мови вже доступна користувачам додатку Gemini для macOS. Крім того, нова функція голосового вводу Rambler з'явилася в Gboard для Android у деяких країнах і підтримує кілька мов. Модель також доступна розробникам у форматі публічної попередньої версії через Gemini API в Google AI Studio та Antigravity. Найближчим часом підтримка Gemini 3.5 Transcribe повинна з'явитися і в Chrome.

До числа більш ніж 85 підтримуваних мов входить і російська; модель також вміє автоматично визначати мову та перемикатися між кількома мовами в межах одного запису.

Хочеш дізнатися більше — читай відгуки