Google'dan Gemini 3.5 Transcribe: 85'ten fazla dilde konuşmayı metne çeviriyor
Yeni konuşma tanıma modeli dolgu sözcükleri ayıklıyor, dil sürçmelerini düzeltiyor ve metni kendisi biçimlendiriyor. Google'ın verdiği kelime hata oranı canlı akışta yüzde 4,0, kayıtlı seste yüzde 2,6.
Google, konuşmayı metne çeviren yeni modeli Gemini 3.5 Transcribe'ı duyurdu. Şirket modeli, bugüne kadarki en isabetli konuşma tanıma modeli olarak tanıtıyor ve 85'ten fazla dili otomatik tanıdığını belirtiyor.
Modelin öne çıkan yanı ham dökümden fazlasını yapması. Google'a göre "ııı" ve "şey" gibi dolgu sözcükleri ayıklıyor, konuşanın cümle ortasında kendini düzeltmesini takip ediyor ve metni kendiliğinden biçimlendiriyor. Amaç, konuşulanı harfi harfine yazmak yerine kastedileni yazıya dökmek.
Şirketin paylaştığı ölçümlerde kelime hata oranı canlı akışta yüzde 4,0, kayıtlı seste yüzde 2,6. Google ayrıca gecikmenin önceki modeli Chirp 3'e kıyasla yüzde 70 azaldığını söylüyor. Bunlar şirketin kendi ölçümleri; bağımsız bir karşılaştırma henüz yok.
Model iki ayrı arayüzle geliyor. Live API çok düşük gecikmeli canlı akış için (gemini-3.5-transcribe-live), Interactions API ise kayıtlı sesi konuşmacı ayrımı ve zaman damgalarıyla işlemek için (gemini-3.5-transcribe). Model işlev çağırma yoluyla görsel üretme veya web araması gibi işleri diğer Gemini modellerine devredebiliyor.
Gemini 3.5 Transcribe, Google AI Studio ve Gemini Enterprise Agent Platform üzerinden kullanılabiliyor. Ayrıca Android'de Gboard'un "Rambler" özelliğinin ve macOS'taki Gemini uygulamasının altında çalışıyor; Chrome desteğinin yakında geleceği belirtiliyor.
Ayrıntılar için Google'ın duyurusu.
