Google udostępnił Gemini 3.5 Transcribe - nowy model transkrypcji, który intelligentnie usuwa naturalne zawieszenia mowy takie jak "um", "ah" czy "ehh", jednocześnie zachowując znaczenie oryginalnej wypowiedzi. Model obsługuje ponad 85 języków i automatycznie rozpoznaje specjalistyczny żargon branżowy, dostosowując się do kontekstu domeny.
Nowy Gemini 3.5 Transcribe reprezentuje znaczący skok w wydajności w porównaniu z poprzednim modelem Chirp 3, szczególnie jeśli chodzi o wielojęzyczne transkrypcje i redukcję błędów. Użytkownicy mogą edytować transkrypcje naturalnie za pomocą poleceń głosowych, bez konieczności ręcznych poprawek. To wyróżnia się na tle konkurencji, bo większość istniejących narzędzi transkrypcji pozostawia te drobne, ale irytujące elementy mowy.
Gemini 3.5 Transcribe to kolejna funkcja z rodziny Gemini 3.5, która następuje po udostępnieniu 3.5 Live Translate. Jednak wszyscy czekają jeszcze na obiecany Gemini 3.5 Pro, który Google zapowiedział na czerwiec. Nowe możliwości transkrypcji mogą być szczególnie przydatne dla dziennikarzy, badaczy, studentów i profesjonalistów, którzy potrzebują szybkiego konwertowania nagrań na gotowy do publikacji tekst.