Google запусціла Gemini 3.5 Transcribe для расшыфроўкі мовы, у спісе ёсць беларуская мова

Кампанія прадставіла Gem­i­ni 3.5 Tran­scribe — новую мадэль для распазнавання мовы. Яна падтрымлівае больш за 85 моваў, у тым ліку беларускую, і ўмее ачышчаць тэкст ад слоў-паразітаў і самавыпраўленняў.

У адрозненне ад звычайнай транскрыбацыі, мадэль не проста даслоўна запісвае аўдыё. Напрыклад, калі карыстальнік скажа: «Давайце сустрэнемся ў аўторак — не, у сераду», у выніковым тэксце застанецца выпраўлены варыянт. Gem­i­ni 3.5 Tran­scribe таксама аўтаматычна фарматуе тэкст і можа ўлічваць карыстальніцкі слоўнік — напрыклад, прафесійныя тэрміны, імёны або незвычайныя напісанні.

Для распрацоўшчыкаў даступныя два рэжымы.

• Gem­i­ni 3.5 Tran­scribe Live апрацоўвае паточную мову з затрымкай менш за секунду і разлічана на галасавых асістэнтаў, субтытры ды іншыя дадаткі ў рэжыме рэальнага часу.
• Звычайная Gem­i­ni 3.5 Tran­scribe працуе з гатовымі аўдыязапісамі — сустрэчамі, званкамі ды іншымі файламі — і ўмее дадаваць часавыя пазнакі і вызначаць дыктараў.

У запісаным аўдыё мадэль можа адрозніваць да трох суразмоўцаў. Падтрыманне большай колькасці спікераў пакуль знаходзіцца ў эксперыментальным рэжыме.

Паводле дадзеных незалежнага сервісу Arti­fi­cial Analy­sis, сярэдняя доля памылкова распазнаных слоў у Gem­i­ni 3.5 Tran­scribe складае 4% пры патокавай апрацоўцы і 2,6% пры працы з гатовымі запісамі. Google таксама сцвярджае, што час да атрымання канчатковай транскрыпцыі скараціўся на 70% у параўнанні з папярэдняй мадэллю Chirp 3.

Gem­i­ni 3.5 Tran­scribe ўжо выкарыстоўваецца ў некалькіх прадуктах Google. У дадатку Gem­i­ni для macOS яна дазваляе надыктоўваць тэкст, выдаляючы паўзы і словы-паразіты, а таксама выконваць галасавыя каманды з улікам змесціва экрана. У Gboard мадэль ляжыць у аснове функцыі Ram­bler, якая ператварае вольную мову ў адфарматаваны тэкст і дазваляе голасам выпраўляць напісанае або мяняць стыль.

Гайд па малавядомых магчымасцях Chat­G­PT, Gem­i­ni і Claude

У Google Anti­grav­i­ty мадэль можа ўлічваць змесціва экрана і гісторыю чата, каб дакладней распазнаваць, напрыклад, назвы файлаў і тэрміны з адкрытых дакументаў. Распрацоўшчыкі ўжо могуць паспрабаваць Gem­i­ni 3.5 Tran­scribe ў публічным прэв’ю праз Gem­i­ni API у Google AI Stu­dio і Google Anti­grav­i­ty. Для карпаратыўных кліентаў мадэль даступна праз Gem­i­ni Enter­prise Agent Plat­form.