Google запустила Gemini 3.5 Transcribe для расшифровки речи, в списке есть белорусский

Компания представила Gem­i­ni 3.5 Tran­scribe — новую модель для распознавания речи. Она поддерживает более 85 языков, включая беларусский, и умеет очищать текст от слов-паразитов и самоисправлений.

В отличие от обычной транскрибации, модель не просто дословно записывает аудио. Например, если пользователь скажет: «Давайте встретимся во вторник — нет, в среду», в итоговом тексте останется исправленный вариант. Gem­i­ni 3.5 Tran­scribe также автоматически форматирует текст и может учитывать пользовательский словарь — например, профессиональные термины, имена или необычные написания.

Для разработчиков доступны два режима. Gem­i­ni 3.5 Tran­scribe Live обрабатывает потоковую речь с задержкой менее секунды и рассчитана на голосовых ассистентов, субтитры и другие приложения в реальном времени. Обычная Gem­i­ni 3.5 Tran­scribe работает с готовыми аудиозаписями — встречами, звонками и другими файлами — и умеет добавлять временные метки и определять говорящих.

В записанном аудио модель может различать до трех собеседников. Поддержка большего числа спикеров пока находится в экспериментальном режиме.

По данным независимого сервиса Arti­fi­cial Analy­sis, средняя доля ошибочно распознанных слов у Gem­i­ni 3.5 Tran­scribe составляет 4% при потоковой обработке и 2,6% при работе с готовыми записями. Google также утверждает, что время до получения окончательной транскрипции сократилось на 70% по сравнению с предыдущей моделью Chirp 3.

Gem­i­ni 3.5 Tran­scribe уже используется в нескольких продуктах Google. В приложении Gem­i­ni для macOS она позволяет надиктовывать текст, удаляя паузы и слова-паразиты, а также выполнять голосовые команды с учетом содержимого экрана. В Gboard модель лежит в основе функции Ram­bler, которая превращает свободную речь в отформатированный текст и позволяет голосом исправлять написанное или менять стиль.

В Google Anti­grav­i­ty модель может учитывать содержимое экрана и историю чата, чтобы точнее распознавать, например, названия файлов и термины из открытых документов. Разработчики уже могут попробовать Gem­i­ni 3.5 Tran­scribe в публичном превью через Gem­i­ni API в Google AI Stu­dio и Google Anti­grav­i­ty. Для корпоративных клиентов модель доступна через Gem­i­ni Enter­prise Agent Plat­form.