Google real vaxt rejimində nitqin tanınması üçün hazırlanmış yeni Gemini 3.5 Transcribe süni intellekt modelini təqdim edib. Şirkətin ən qabaqcıl nitq tanıma modeli kimi təqdim olunan yenilik adi transkripsiya sistemlərindən fərqli olaraq, səsi sadəcə mətnə çevirmir, həm də danışıq zamanı onu avtomatik şəkildə daha strukturlaşdırılmış və redaktə olunmuş formaya salır.
Model danışıq zamanı istifadə olunan «eee», «mmm» kimi lazımsız sözləri avtomatik silir, həmçinin danışanın özünü düzəltməsi nəticəsində yaranan ifadələri problemsiz şəkildə emal edir. Google-ın açıqlamasına görə, modelin orta söz tanıma xətası canlı səs axınlarında cəmi 4,0%, əvvəlcədən yazılmış audio fayllarda isə 2,6% təşkil edir.
Gemini 3.5 Transcribe mürəkkəb hərf-rəqəm kombinasiyalarını — məsələn, poçt indekslərini, sifariş nömrələrini və digər oxşar məlumatları — dəqiq tanıya bilir. Model 85-dən çox dili dəstəkləyir və regional aksentlər, eləcə də dialektlərlə işləyə bilir.
Bundan əlavə, yeni neyron şəbəkə eyni anda üç fərqli danışanı ayırd edə bilir ki, bu da görüşlərin, müsahibələrin və qrup söhbətlərinin avtomatik transkripsiyasını daha rahat etməlidir.
ABŞ-dakı istifadəçilər artıq yeni texnologiyanı Gboard klaviaturasında, macOS üçün Gemini tətbiqində və Google Antigravity platformasında sınaqdan keçirə bilirlər. Yaxın zamanda bu funksiya Chrome brauzerinə də əlavə olunacaq.
Google eyni zamanda texnologiyanı tərtibatçılar üçün açıq şəkildə təqdim edib. Gemini 3.5 Transcribe hazırda Gemini API vasitəsilə Google AI Studio və Google Antigravity platformasında public preview rejimində, şirkətlər üçün isə Gemini Enterprise Agent Platform üzərindən əlçatandır.
