Google'ın yeni deşifre modeli söylediğinizi değil, demek istediğinizi yazıyor — 85 dilde

Google, Gemini'nin ses anlama yeteneği üzerine kurulu konuşmadan metne modeli Gemini 3.5 Transcribe'ı yayımladı; model şu anda genel önizlemede. 85'ten fazla dili otomatik algılıyor, cümlenin ortasında dil değiştiren konuşmacıyı takip ediyor, en fazla üç sesi birbirinden ayırıyor ve kelime düzeyinde zaman damgası üretiyor. Sıradan dikteden farkını yaratan kısım, Google'ın 'akıllı deşifre' dediği şey: dolgu sözcüklerini ayıklıyor, konuşmacının kendini düzeltmelerini onarıyor ve metni akarken biçimlendiriyor; böylece çıktı sesin birebir kaydı gibi değil, temiz bir düzyazı gibi okunuyor. Alan terimleri için özel bir sözlüğe yönlendirilebiliyor ve deşifre sırasında görev devretmek için işlev çağırabiliyor. Google, kayıtlı seste yüzde 2,6, canlı akışta yüzde 4,0 kelime hata oranı; çok dilli FLEURS ölçütünde ise sırasıyla yüzde 5,04 ve 5,50 bildiriyor — gecikme, selefi Chirp 3'e göre yaklaşık yüzde 70 daha düşük. Model, Google AI Studio ve Gemini Enterprise Agent Platform üzerinden Gemini API ile, Android'de Gboard'un Rambler'ında ve macOS'taki Gemini uygulamasında kullanılabiliyor; Chrome desteğinin de geleceği belirtiliyor.

✓ Doğrulandı · 4 kaynak

İlgili haberler