Story
Google Lancar Gemini 3.5 Transcribe, Model Pertuturan-ke-Teks Baharu

Google (NASDAQ:GOOGL) telah melancarkan Gemini 3.5 Transcribe, sebuah model pertuturan-ke-teks termaju yang direka untuk transkripsi masa nyata dengan ketepatan yang dipertingkatkan dan kependaman yang dikurangkan. Teknologi ini bertujuan untuk menukar audio kepada teks berformat dengan lebih cekap, walaupun dalam keadaan hingar latar belakang atau ketika memproses istilah teknikal.
Peningkatan Prestasi dan Ketepatan
Menurut ukuran oleh Artificial Analysis, Gemini 3.5 Transcribe mencapai kadar ralat perkataan (WER) serendah 4.0% untuk aplikasi penstriman dan 2.6% untuk aplikasi bukan penstriman. Ini merupakan satu peningkatan yang ketara, dengan Google menyatakan bahawa teknologi ini mengurangkan masa untuk menghasilkan transkripsi akhir sebanyak 70% berbanding model Chirp 3 sebelumnya.
Model ini juga menunjukkan prestasi yang kukuh pada penanda aras FLEURS, dengan mencatatkan WER sebanyak 5.50% dalam mod penstriman dan 5.04% untuk kes penggunaan bukan penstriman. Keupayaan ini membolehkan pemprosesan audio yang lebih pantas dan tepat untuk pelbagai aplikasi perniagaan.
Ketersediaan dan Ciri-ciri Teknikal
Google menyediakan model ini melalui dua Antara Muka Pengaturcaraan Aplikasi (API) untuk memenuhi keperluan yang berbeza:
Ad- Live API: Menggunakan `gemini-3.5-transcribe-live` untuk transkripsi masa nyata dengan kependaman sub-saat.
- Interactions API: Menggunakan `gemini-3.5-transcribe` untuk memproses audio prarakam seperti mesyuarat dan log panggilan, lengkap dengan atribusi penutur.
Ciri-ciri teknikal utama model ini termasuk pengesanan dan transkripsi automatik untuk lebih 85 bahasa, keupayaan untuk mengenal pasti sehingga tiga penutur dalam audio prarakam, serta pembuangan kata-kata pengisi secara automatik. Ia juga menyokong pemformatan teks automatik dan kosa kata tersuai untuk istilah khusus industri.
Integrasi dan Pelancaran
Gemini 3.5 Transcribe kini memasuki fasa pratonton awam untuk pembangun melalui Google AI Studio dan untuk perusahaan melalui Gemini Enterprise Agent Platform. Teknologi ini telah pun diintegrasikan ke dalam produk sedia ada seperti aplikasi Gemini pada macOS dan ciri Rambler pada Android melalui Gboard. Google juga merancang untuk membawa keupayaan imlak ini ke pelayar Chrome pada masa akan datang.