Story
Google ra mắt Gemini 3.5 Transcribe, nâng cao công nghệ chuyển giọng nói thành văn bản

Google (NASDAQ:GOOGL) vừa ra mắt Gemini 3.5 Transcribe, một mô hình chuyển giọng nói thành văn bản tiên tiến, hứa hẹn cải thiện đáng kể về độ chính xác và giảm độ trễ cho các ứng dụng gỡ băng theo thời gian thực.
Hiệu suất vượt trội
Gemini 3.5 Transcribe được thiết kế để xử lý hiệu quả các điều kiện âm thanh phức tạp như tiếng ồn xung quanh, thuật ngữ kỹ thuật và các lỗi tự sửa của người nói. Theo các phép đo của Artificial Analysis, mô hình này đạt được tỷ lệ lỗi từ (WER) là 4,0% cho các ứng dụng streaming (phát trực tiếp) và 2,6% cho các ứng dụng không streaming.
So với mô hình Chirp 3 tiền nhiệm, công nghệ mới này giúp giảm tới 70% thời gian cần thiết để hoàn tất quá trình gỡ băng. Trên bộ dữ liệu tiêu chuẩn FLEURS, Gemini 3.5 Transcribe cũng cho thấy hiệu suất ấn tượng với tỷ lệ lỗi từ là 5,50% ở chế độ streaming và 5,04% ở chế độ không streaming.
Các tính năng chính và khả năng tiếp cận
Google cung cấp mô hình này thông qua hai giao diện lập trình ứng dụng (API) riêng biệt để phục vụ các nhu cầu khác nhau. API Live (`gemini-3.5-transcribe-live`) được tối ưu hóa cho các tác vụ thời gian thực với độ trễ dưới một giây, trong khi API Interactions (`gemini-3.5-transcribe`) dành cho việc xử lý âm thanh đã ghi sẵn như các cuộc họp hoặc nhật ký cuộc gọi, có khả năng phân bổ người nói.
AdCác tính năng nổi bật của mô hình bao gồm:
- Tự động phát hiện và gỡ băng hơn 85 ngôn ngữ.
- Nhận dạng tối đa ba người nói khác nhau trong âm thanh đã ghi sẵn, kèm theo dấu thời gian.
- Tự động loại bỏ các từ đệm và định dạng văn bản.
- Hỗ trợ nhận dạng từ vựng tùy chỉnh cho các thuật ngữ chuyên ngành.
Tích hợp và triển vọng
Công nghệ này đang được tích hợp vào các sản phẩm của Google, bao gồm ứng dụng Gemini trên macOS, tính năng Rambler trên Gboard cho Android và Google AI Studio. Hiện tại, mô hình đã có sẵn dưới dạng bản xem trước công khai cho các nhà phát triển thông qua Google AI Studio và cho các doanh nghiệp qua Gemini Enterprise Agent Platform.
Trong tương lai, Google cũng có kế hoạch tích hợp khả năng đọc chính tả này vào trình duyệt Chrome. Động thái này cho thấy nỗ lực của Google trong việc củng cố hệ sinh thái AI của mình và tăng cường khả năng cạnh tranh trong thị trường dịch vụ AI dành cho doanh nghiệp.