Le nouveau modèle de transcription de Google n'écrit pas ce que vous avez dit, mais ce que vous vouliez dire — en 85 langues

Google a publié Gemini 3.5 Transcribe, un modèle de reconnaissance vocale bâti sur la compréhension audio de Gemini, désormais en aperçu public. Il détecte automatiquement plus de 85 langues, suit un locuteur qui change de langue en cours de phrase, distingue jusqu'à trois voix et produit des horodatages au mot près. Ce qui le distingue d'une dictée ordinaire est ce que Google appelle la transcription intelligente : il supprime les mots de remplissage, répare les autocorrections du locuteur et met en forme le texte au fil de l'eau, si bien que le résultat se lit comme une prose propre plutôt que comme un relevé littéral de l'audio. Il peut aussi être orienté vers un vocabulaire personnalisé pour les termes de métier et appeler des fonctions pour déléguer des tâches en pleine transcription. Google annonce un taux d'erreur par mot de 2,6 % sur l'audio enregistré et de 4,0 % en flux continu, et respectivement 5,04 % et 5,50 % sur le référentiel multilingue FLEURS, avec une latence inférieure d'environ 70 % à celle de son prédécesseur Chirp 3. Il est accessible via l'API Gemini dans Google AI Studio et la Gemini Enterprise Agent Platform, dans Rambler de Gboard sur Android et dans l'application Gemini pour macOS, la prise en charge de Chrome étant annoncée.

✓ Vérifié · 4 sources

Actus liées