Google, sesli konuşmaları metne dönüştüren Gemini 3.5 Transcribe modelini duyurdu

Google, sesli konuşmaları metne dönüştürme yeteneklerini geliştirmek amacıyla Gemini Audio ailesine yeni bir üye olarak Gemini 3.5 Transcribe modelini eklediğini açıkladı. Google DeepMind ve yapay zeka ekiplerinin ortak çalışmasıyla geliştirilen model; gürültülü ortamlar, teknik terimlerin yoğun kullanıldığı konuşmalar ve çok dilli toplantılar için optimize edildi. Yeni model, macOS üzerindeki Gemini uygulamasında ve Android platformundaki Gboard'un Rambler özelliğinde kullanıma sunulmaya başlandı.

Modelin öne çıkan özelliklerinden biri, konuşma sırasında kullanılan "ııı", "eee", "um" ve "uh" gibi dolgu ifadelerini otomatik olarak temizleyerek akıcı bir metin oluşturmasıdır. Ayrıca önceden kaydedilmiş ses dosyalarında üç kişiye kadar konuşmacıyı birbirinden ayırabilme ve konuşmalara zaman damgası ekleme yeteneğine sahiptir. Kullanıcılar, şirket isimleri veya teknik jargonlar için modele özel kelime listeleri tanımlayabilmektedir.

Sistem, gerektiğinde dosya analizi veya görsel oluşturma gibi görevleri diğer Gemini modellerine aktarabilme kapasitesine sahiptir. Gerçek zamanlı akış desteği sayesinde farklı diller arasında anında geçiş yapabilen model, karmaşık ses ortamlarında ve çoklu konuşmacıların bulunduğu durumlarda deşifre süreçlerini kolaylaştırmayı hedeflemektedir.