Google обогнала всех: Gemini 3.5 Transcribe — самая точная модель распознавания речи с 85+ языками

Google продолжает усиливать свои позиции в сфере искусственного интеллекта, на этот раз — в области распознавания речи. Компания представила Gemini 3.5 Transcribe — модель, которую она называет своей «самой точной» для преобразования речи в текст.

Gemini 3.5 Transcribe - здесь

Это новая модель, обученная на передовых AI-технологиях Google. Её главная задача — превращать голос в текст с высочайшей точностью, которая, по заявлению компании, превосходит все их предыдущие разработки. Результаты тестов в специализированных бенчмарках подтверждают высокую эффективность модели.

Модель обладает рядом «умных» функций, которые делают транскрибацию более удобной и естественной:

· «Умная» транскрибация: Gemini 3.5 Transcribe понимает, когда говорящий корректирует сам себя (например, говорит «Я хочу сказать... то есть...»), и удаляет слова-паразиты, оставляя чистый текст.

· Автоматическое форматирование: Модель сама расставляет знаки препинания, делая текст готовым к использованию.

· Распознавание жаргона: Поддерживается пользовательский словарь, что позволяет модели точно распознавать специфическую терминологию и уникальные варианты написания.

· Поддержка нескольких говорящих: Модель способна определить речь до трёх разных людей в предзаписанном аудио (сейчас тестируется поддержка большего числа голосов).

· Мультиязычность: Gemini 3.5 Transcribe поддерживает более 85 языков, что делает её глобальным инструментом.

Новая модель Gemini 3.5 Transcribe - здесь

· В приложении Gemini для macOS (на английском языке).

· В функции Rambler на клавиатуре Gboard на Android в некоторых странах, причём в этом случае поддерживается русский язык.

Самое важное — Google открыла доступ к модели для разработчиков. Сейчас она доступна в режиме публичного превью через Gemini API в Google AI Studio и на платформе Google Antigravity. Для компаний модель доступна на Gemini Enterprise Agent Platform.

В ближайших планах Google — добавить Gemini 3.5 Transcribe прямо в браузер Chrome. Это позволит пользователям надиктовывать текст в любом веб-поле, что станет настоящей революцией для тех, кто предпочитает говорить, а не печатать.

Появление Gemini 3.5 Transcribe — это важный шаг в развитии голосовых интерфейсов. Модель не просто транскрибирует речь, а понимает её контекст, делая взаимодействие с компьютером более естественным. Открытие API для разработчиков обещает появление новых приложений и сервисов, использующих передовое распознавание речи, что в конечном итоге сделает технологии более доступными и удобными для каждого.

Gemini 3.5 Transcribe - здесь