Google анонсировала Gemini 3.5 Transcribe для преобразования речи в текст с помощью искусственного интеллекта.

Искусственный интеллект, лежащий в основе приложения Rambler в Gboard, появится и в других продуктах Google, включая Chrome.

Фото: Аурих Лоусон Фото: Аурих Лоусон

Пока мы ждем (возможно, напрасно) выхода Gemini 3.5 Pro, Google выпускает другую модель в линейке 3.5. Компания анонсировала Gemini 3.5 Transcribe, модель искусственного интеллекта, разработанную для оптимизации голосового ввода путем удаления «э-э» и исправлений, в результате чего получается отшлифованный текст, созданный с помощью ИИ. Эта модель уже используется в функции Gboard «Rambler» на Pixel 11, но скоро она появится во всей экосистеме Google.

По данным Google, Gemini 3.5 Transcribe работает значительно быстрее и точнее, чем предыдущий движок преобразования голоса в текст, известный как Chirp 3. Новая модель ИИ должна ускорить преобразование голоса в окончательный текст примерно на 70 процентов, а процент ошибок при обработке речи в реальном времени снизился до 5,5 процента. Это лишь немного лучше, чем у Chirp 3, показатель которого, по измерениям Google, составляет 7,32 процента. Тем не менее, исправлять опечатки при использовании голосового ввода довольно сложно, поэтому любое улучшение в этом плане будет полезным.

Источник: Google

Новая модель не просто лучше распознает ваши слова; она также, предположительно, лучше улавливает суть того, что вы хотели сказать. Во время вашей речи Gemini 3.5 Transcribe может удалять неловкие «э-э» и «э-э», которые засоряют ваш поток сознания. Она также может редактировать текст на лету, если вам нужно исправить себя, и обращаться к предоставленному вами пользовательскому словарю для работы со «специализированной терминологией». Все это работает на 85 языках и с участием до трех говорящих в предварительно записанном аудио.

Недостаток, конечно, заключается в том, что вы полагаетесь на ИИ в точном улавливании сути вашей речи. Для коротких текстовых блоков модель, судя по моим тестам с Rambler, хорошо справляется с исправлением несоответствий и оговорок, но ИИ технически изменяет формулировку сказанного вами, и это может быть нецелесообразно во всех ситуациях.

Поговорите с роботом

Функция Gemini 3.5 Transcribe уже доступна в некоторых местах, включая Rambler в Gboard. Однако она пока ограничена телефонами Pixel 11. Google заявляет, что расширит поддержку Rambler на «большее количество устройств Gemini Intelligence» позже в этом году. Если вы используете приложение Gemini на macOS, то начиная с сегодняшнего дня, функция Gemini 3.5 Transcribe также улучшит ваш голосовой ввод.

Разработчики также смогут в полной мере использовать Gemini 3.5 Transcribe. Начиная с сегодняшнего дня, Antigravity будет использовать новую модель с полным доступом к контексту экрана и истории чата (с вашего разрешения). Модель сборки AI Studio также теперь включает Gemini 3.5 Transcribe, позволяя вам создавать приложения с оптимизированным для ИИ преобразованием голоса в текст. Разработчики также могут получить доступ к модели через API Gemini.

Если вы не используете эти конкретные приложения или устройства, вы пока не увидите Gemini 3.5 Transcribe, но она скоро появится. Google заявляет, что планирует внедрить функцию транскрипции с помощью ИИ в браузер Chrome «вскоре». Когда она станет доступна, вы сможете вводить текст в любое веб-поле. Используйте её для написания электронных писем, оставления гневных комментариев или даже для голосового управления чат-ботами с помощью ИИ.

Источник: arstechnica.com