معرفی مدل Gemini 3.5 Transcribe برای تبدیل هوشمند گفتار به متن
گوگل مدل Gemini 3.5 Transcribe را به‌عنوان دقیق‌ترین سیستم تبدیل گفتار به متن خود معرفی کرد. این مدل قادر است صداهای خام را با درک واژگان تخصصی و حذف کلمات زاید به متون فرمت‌شده تبدیل کند.
مدل Gemini 3.5 Transcribe برای تعاملات صوتی هوشمند طراحی شده و صوتی خام را مستقیماً به متن دقیق و پالایش‌شده تبدیل می‌کند. این مدل در دو سطح جریان بی‌درنگ و پردازش صوتی ازپیش‌ضبط‌شده در دسترس توسعه‌دهندگان قرار گرفته است.
این سیستم قادر است اصلاحات خودکار گوینده را مدیریت کند، کلمات پرکننده را حذف کند و واژگان سفارشی و اصطلاحات تخصصی را تشخیص دهد. بر اساس اندازه‌گیری‌های انجام‌شده، این مدل نرخ خطای کلمه بسیار پایینی را در حالت‌های مختلف ثبت کرده و از بیش از ۸۵ زبان پشتیبانی می‌کند.
این فناوری به‌زودی در ابزارهای مختلف گوگل مانند Gboard، مرورگر کروم و برنامه‌های مک интегриر خواهد شد تا تجربه طبیعی‌تری از دیکته صوتی و تعامل با هوش مصنوعی را برای کاربران فراهم کند.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.