🛒 Google представила Gemini 3.5 Transcribe

Компания Google анонсировала Gemini 3.5 Transcribe - модель распознавания речи, которая уже работает в нескольких продуктах компании. Модель преобразует сырое аудио в отформатированный текст, справляясь с фоновым шумом, сложным жаргоном и речевыми сбоями.

Gemini 3.5 Transcribe умеет обрабатывать самокоррекции (например, "встретимся во вторник - нет, в среду"), убирает слова-паразиты и автоматически форматирует текст. Модель поддерживает более 85 языков, распознаёт до трёх говорящих в записи (экспериментально - больше) и адаптируется к пользовательскому словарю. По данным Artificial Analysis, показатель WER составляет 4.0% для потокового режима и 2.6% для не потокового.

По сравнению с прошлой моделью Chirp 3, время до финальной транскрипции улучшилось на 70%. Модель также поддерживает вызов функций: может делегировать задачи вроде генерации изображений другим моделям Gemini. Эта возможность уже используется в функции Speak to Window в приложении Gemini для macOS.

Gemini 3.5 Transcribe доступна в Gboard Rambler на Android, в поле ввода Google Antigravity и в приложении Gemini для macOS. В ближайшее время модель появится в браузере Chrome - пользователи смогут диктовать текст в любых веб-полях. Для разработчиков модель доступна в Gemini API через Google AI Studio, для предприятий - через Gemini Enterprise Agent Platform.

#Ai #Google #Product #Gemini #Transcribe #SpeechRecognition