Story
Google Rilis Gemini 3.5 Transcribe, Model AI Suara-ke-Teks dengan Akurasi Tinggi

Google (NASDAQ:GOOGL) pada hari Rabu meluncurkan Gemini 3.5 Transcribe, sebuah model kecerdasan buatan (AI) suara-ke-teks yang dirancang untuk transkripsi secara *real-time*. Model ini diklaim menawarkan akurasi yang lebih tinggi dan latensi yang lebih rendah dibandingkan dengan teknologi pendahulunya.
Peningkatan Kinerja dan Akurasi
Gemini 3.5 Transcribe menunjukkan kemajuan signifikan dalam performa, mampu mengubah audio menjadi teks terformat bahkan saat terdapat suara bising, terminologi teknis, dan koreksi dari pembicara. Menurut pengukuran oleh Artificial Analysis, model ini mencapai tingkat kesalahan kata (word error rate/WER) sebesar 4,0% untuk aplikasi *streaming* dan 2,6% untuk aplikasi non-*streaming*.
Teknologi ini juga meningkatkan kecepatan transkripsi hingga tuntas sebesar 70% dibandingkan model sebelumnya, Chirp 3. Pada *benchmark* FLEURS, Gemini 3.5 Transcribe mencatatkan WER 5,50% dalam mode *streaming* dan 5,04% untuk penggunaan non-*streaming*, menunjukkan keandalannya dalam berbagai kasus penggunaan.
Fitur Utama dan Ketersediaan
Google menyediakan model ini melalui dua antarmuka pemrograman aplikasi (API) yang berbeda untuk memenuhi kebutuhan spesifik. Opsi *streaming real-time* (Live API) menawarkan latensi sub-detik, sementara opsi pemrosesan audio yang direkam sebelumnya (Interactions API) dapat mentranskripsikan rekaman rapat atau panggilan dengan atribusi pembicara.
AdFitur-fitur utama model ini meliputi:
- Dukungan deteksi dan transkripsi otomatis untuk lebih dari 85 bahasa.
- Identifikasi hingga tiga pembicara berbeda dalam audio yang direkam.
- Kemampuan untuk menghilangkan kata-kata pengisi (*filler words*), format teks otomatis, dan pengenalan kosakata khusus.
Implikasi Pasar dan Integrasi Produk
Peluncuran ini memperkuat posisi Google dalam pasar AI yang kompetitif, khususnya pada segmen layanan untuk korporasi dan pengembang. Dengan menawarkan alat transkripsi yang lebih cepat dan akurat, Google berpotensi meningkatkan adopsi platform AI-nya untuk berbagai aplikasi bisnis, mulai dari analisis pusat panggilan hingga pembuatan notulensi rapat otomatis.
Teknologi ini kini memasuki tahap pratinjau publik (*public preview*) bagi pengembang melalui Google AI Studio dan bagi perusahaan melalui Gemini Enterprise Agent Platform. Google juga mengintegrasikan model ini ke dalam produknya seperti aplikasi Gemini di macOS, fitur Rambler di Gboard untuk Android, dan akan menyediakannya untuk fitur dikte di browser Chrome di masa mendatang.