Google запусціла Gemini 3.5 Transcribe для расшыфроўкі мовы. У спісе ёсць і беларуская

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

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 размоўную 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 даных 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.

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.

Каментары да артыкула