Google випустила нову модель Gemini 3.5 Transcribe для транскрипції аудіо в реальному часі

Gemini 3.5 Transcribe — це повністю нове доповнення до сімейства Gemini. У Google заявляють, що модель є значним удосконаленням порівняно з попередньою системою транскрипції Chirp 3, зокрема щодо багатомовної роботи та зниження частоти помилок у словах.

За даними компанії, нова модель дозволяє «редагувати текст природно лише за допомогою голосу», а також може автоматично форматувати текст і видаляти слова-паразити, такі як «ем» і «ее». Користувачі можуть додавати до моделі власний словник, завдяки чому 3.5 Transcribe автоматично адаптуватиме транскрипцію до специфічних вимог написання та професійної термінології без потреби ручного редагування. Вона також здатна визначати до трьох співрозмовників у попередньо записаному аудіо та розставляти часові мітки для кожного слова.

Читайте також: Google працює над оновленнями Chrome, які не перериватимуть роботу

Transcribe запускається разом із версіями 3.5 Live та 3.5 Live Experimental, які базуються на існуючій технології розпізнавання мови режиму голосового чату Gemini. Модель Gemini 3.5 Live краще справляється з перебиванням посеред речення, розпізнаванням мови та обробкою візуальної інформації у реальному часі, тоді як 3.5 Live Experimental покроково описує процес виконання складних завдань.

Ці оновлення Gemini Audio вже впроваджуються англійською мовою для користувачів застосунку Gemini на macOS, а також для функції диктування Rambler на Android у вибраних та мовах. Вони також доступні для розробників у публічній попередній версії в Gemini API через AI Studio та Antigravity. У Google також анонсували появу найближчим часом підтримки в браузері Chrome.

Як повідомляв Укрінформ, Google робить свого персонального ШІ-асистента Gemini Spark доступним для ширшого кола користувачів.

Фото: unsplash

Світ