Story
Google เปิดตัว Gemini 3.5 Transcribe โมเดล AI แปลงเสียงเป็นข้อความรุ่นใหม่ ชูความแม่นยำสูง

Google (NASDAQ:GOOGL) ได้เปิดตัว Gemini 3.5 Transcribe ซึ่งเป็นโมเดลปัญญาประดิษฐ์ (AI) สำหรับการแปลงเสียงเป็นข้อความ (speech-to-text) รุ่นล่าสุด โดยออกแบบมาเพื่อการถอดเสียงแบบเรียลไทม์ที่ต้องการความแม่นยำสูงและความหน่วงต่ำ ซึ่งถือเป็นการยกระดับครั้งสำคัญจากโมเดลรุ่นก่อน
ประสิทธิภาพและความสามารถที่เหนือกว่า
Gemini 3.5 Transcribe ถูกพัฒนาให้สามารถจัดการกับเสียงรบกวนรอบข้าง คำศัพท์ทางเทคนิคเฉพาะทาง และการแก้ไขคำพูดของผู้พูดได้อย่างมีประสิทธิภาพ โดยข้อมูลจาก Artificial Analysis ระบุว่าโมเดลนี้มีอัตราความผิดพลาดของคำ (Word Error Rate) เพียง 4.0% สำหรับการถอดเสียงแบบสตรีมมิ่ง และ 2.6% สำหรับการใช้งานแบบไม่สตรีมมิ่ง
นอกจากนี้ เทคโนโลยีดังกล่าวยังช่วยลดระยะเวลาในการได้ผลลัพธ์การถอดเสียงสมบูรณ์ (time to final transcription) ได้เร็วขึ้นถึง 70% เมื่อเทียบกับโมเดล Chirp 3 รุ่นก่อนหน้า คุณสมบัติเด่นอื่นๆ ได้แก่:
- รองรับการตรวจจับและถอดเสียงอัตโนมัติมากกว่า 85 ภาษา
- สามารถระบุผู้พูดได้สูงสุด 3 คนในไฟล์เสียงที่บันทึกไว้ล่วงหน้า พร้อมระบุเวลา (timestamps)
- มีฟีเจอร์ตัดคำที่ไม่จำเป็น (filler words) และจัดรูปแบบข้อความอัตโนมัติ
- รองรับการเพิ่มคลังคำศัพท์เฉพาะทาง (custom vocabulary) เพื่อความแม่นยำในการถอดเสียงเฉพาะกลุ่มอุตสาหกรรม
Adช่องทางการเข้าถึงและการนำไปใช้
Google เปิดให้ใช้งานโมเดลนี้ผ่าน Application Programming Interfaces (APIs) สองรูปแบบ คือ Live API (`gemini-3.5-transcribe-live`) สำหรับการใช้งานแบบเรียลไทม์ที่ต้องการความหน่วงต่ำกว่าหนึ่งวินาที และ Interactions API (`gemini-3.5-transcribe`) สำหรับการประมวลผลไฟล์เสียงที่บันทึกไว้ล่วงหน้า เช่น การถอดเสียงการประชุมหรือบันทึกการโทร พร้อมความสามารถในการระบุผู้พูด
ในช่วงแรก โมเดลนี้จะเปิดให้ใช้งานในรูปแบบ Public Preview สำหรับนักพัฒนาผ่าน Google AI Studio และสำหรับลูกค้าระดับองค์กรผ่าน Gemini Enterprise Agent Platform นอกจากนี้ Google ยังได้เริ่มนำเทคโนโลยีนี้ไปใช้ในผลิตภัณฑ์ต่างๆ ของตนเองแล้ว เช่น แอปพลิเคชัน Gemini บน macOS, ฟีเจอร์ Rambler บน Android ผ่าน Gboard และจะนำไปใช้กับฟังก์ชันป้อนตามคำบอก (dictation) ในเบราว์เซอร์ Chrome ในอนาคต
Read next
More on หุ้น
FTC สั่งให้ Walmart, Uber และ Delta เปิดเผยข้อมูลเกี่ยวกับการกำหนดราคาตามบุคคล
คณะกรรมการการค้าแห่งสหรัฐอเมริกา (FTC) เรียกร้องให้บริษัทขนาดใหญ่ 9 แห่ง ซึ่งรวมถึงบริษัทชั้นนำในธุรกิจค้าปลีก การท่องเที่ยว และเศรษฐกิจแบบแบ่งปัน (gig economy) เปิดเผยข้อมูลเกี่ยวกับวิธีการใช้ข้อมูลผู้บริโภคในการกำหนดราคาสินค้าและค่าจ้างรายบุคคล

Google เปิดตัวโมเดล AI Gemini 4 Carbon เพื่อเสริมศักยภาพด้านความปลอดภัยทางไซเบอร์
Google บริษัทในเครือ Alphabet ได้เปิดตัว Gemini 4 Carbon ซึ่งเป็นโมเดล AI รุ่นล่าสุดที่ออกแบบมาโดยเฉพาะสำหรับงานด้านความปลอดภัยทางไซเบอร์ขั้นสูง เช่น การตรวจจับช่องโหว่และการสร้างโค้ดที่ปลอดภัย การเปิดตัวครั้งนี้เป็นการเพิ่มการแข่งขันกับคู่แข่งอย่าง OpenAI และ Anthropic ในตลาด AI สำหรับองค์กร

หุ้น Oracle พุ่งขึ้นหลังจากเปิดเผยเป้าหมายรายได้ 225 พันล้านดอลลาร์สหรัฐสำหรับปี 2030
หุ้นของ Oracle พุ่งขึ้นอย่างมากหลังจากที่บริษัทได้นำเสนอแนวโน้มทางการเงินระยะยาว โดยตั้งเป้าหมายรายได้ต่อปีอย่างน้อย 225 พันล้านดอลลาร์ภายในปีงบประมาณ 2030 ซึ่งขับเคลื่อนโดยธุรกิจโครงสร้างพื้นฐานด้านปัญญาประดิษฐ์ (AI) ที่กำลังขยายตัว

แหล่งข่าวระบุว่า กระทรวงยุติธรรมสหรัฐฯ กำลังตรวจสอบข้อตกลงซื้อกิจการ Hugging Face มูลค่า 12.9 พันล้านดอลลาร์ของ Nvidia ท่ามกลางการสอบสวนด้านการผูกขาดทางการค้าในวงกว้าง
มีรายงานว่ากระทรวงยุติธรรมสหรัฐฯ กำลังตรวจสอบแผนการเข้าซื้อกิจการแพลตฟอร์ม AI Hugging Face มูลค่า 12.93 พันล้านดอลลาร์ของ Nvidia ซึ่งเป็นส่วนหนึ่งของการสอบสวนการผูกขาดทางการค้าที่กำลังดำเนินอยู่เกี่ยวกับการดำเนินงานในตลาดของบริษัทผู้ผลิตชิปรายนี้