Google обяви Gemini 3.5 Transcribe за преобразуване на реч в текст с помощта на ИИ

Докато чакаме (вероятно напразно) пускането на Gemini 3.5 Pro, Google представя друг модел от клона 3.5. Компанията обяви Gemini 3.5 Transcribe — модел с изкуствен интелект, предназначен да улесни гласовото въвеждане, като премахва „ъъ“-канията и поправките и извежда прецизиран текст, генериран от ИИ. Този модел вече захранва функцията „Rambler“ на Gboard в Pixel 11, но скоро ще се появи в цялата екосистема на Google.

Според Google Gemini 3.5 Transcribe е много по-бърз и точен от предишния му механизъм за преобразуване на глас в текст, известен като Chirp 3. Новият модел с изкуствен интелект би трябвало да е с около 70 процента по-бърз при преобразуването от глас до окончателния транскрибиран текст, а процентът на грешките при реч на живо е спаднал до 5,5 процента. Това е само малко по-добър резултат от този на Chirp 3, който според измерванията на Google е 7,32 процента. Все пак поправянето на печатни грешки при използване на гласово въвеждане е досадно, така че всяко подобрение тук е от полза.

Кредит: Google

Прочетете цялата статия

Коментари