Google nasazuje Gemini 3.5 Transcribe: Nový standard pro převod řeči na text

Zdroj: Google

Google začíná nasazovat poněkud zvláštní strategii ve značení svých služeb, zejména tedy AI. Není to tak dávno, co jsme se dočkali představení Gemini 3.7 Flash modelu, ale dnes zde máme novinku v podobě Gemini 3.5 Transcribe.

Gemini 3.5 Transcribe

Tento model se stará o převod hlasu do textu. Do této chvíle ale Google spoléhal na zcela jiný model, který se jmenuje Chirp 3. Přechod na upravený model Gemini se zkrátila například doba na čekání při převodu o 70 % a současně došlo ke snížení chybovosti ze 7,32 % na 5,5 %. Například OpenAI GPT Live Transcribe má chybovost dle benchmarku FLEURS na hodnotě 8,97 %.

Google novinku hlavně představuje pro vývojáře, ale je určena i pro běžné smrtelníky, přičemž je plně integrovaná například do softwarové klávesnice Gboard. Na ni je postavena funkce Rambler, která byla zavedena prvně u mobilů Pixel 11. Dobře si poradí s ruchy, nebo také odstraňuje zbytečná slova jako „ehm“ a podobně. Dokonce tento model může delegovat úkoly i na jiné varianty Gemini.

Gemini 3.5 Transcribe je také integrován v Gemini pro macOS, Google AI Studiu i v Antigravity. Co nevidět se také objeví v Chromu, kde dojde na vyšší integraci, abyste mohli diktovat do jakéhokoliv políčka na webových stránkách nebo aplikacích.

Zdroj: Tisková zpráva