Google запускает новый искусственный интеллект для преобразования речи в текст со множеством возможностей

Как это работает

Новая разработка заменит устаревшую технологию Chirp 3 и предложит пользователям значительно более высокое качество транскрипции. Разработчики научили алгоритм распознавать более 85 языков, учитывая даже региональные акценты и местные диалекты. Модель автоматически определяет язык общения и адаптируется к особенностям произношения, пишет Android Authority.

В Gemini 3.5 Transcribe добавили возможность автоматически форматировать текст и удалять лишние звуки во время разговора. Кроме того, пользователи теперь могут редактировать свои записи с помощью простых голосовых команд.

Искусственный интеллект также получил поддержку пользовательских словарей, поэтому он безошибочно записывает специфические термины, профессиональный жаргон и уникальные имена.

"Мы разработали Gemini 3.5 Transcribe для того, чтобы улавливать ваш естественный стиль речи для лучшего понимания намерений и распознавания личного словаря, чтобы вы могли выполнять задачи своим голосом"– прокомментировал представитель компании Google в официальном блоге.

Благодаря функции делегирования задач новая модель умеет привлекать другие версии Gemini, например, для генерации изображений или анализа больших файлов.

Невероятная точность и доступность для всех

Специалисты зафиксировали рекордные показатели точности работы системы. Уровень ошибок при потоковом распознавании звука составляет всего 4,0 процента, а для готовых аудиофайлов этот показатель снижается до впечатляющих 2,6 процента, сообщает издание Neowin. Более того, искусственный интеллект способен распознавать в записях до трех разных говорящих одновременно и автоматически расставлять временные метки для каждого слова.

Сейчас новая технология транскрипции уже улучшила работу фирменного приложения на macOS и функции Rambler в клавиатуре Gboard на Android. В ближайшее время разработчики планируют интегрировать эту функцию в браузер Chrome, что позволит вводить текст голосом в любое поле на веб-сайтах, добавляет издание The Verge.