Google представила Gemini 3.5 Transcribe для речи на 85 языках
Google выпустила Gemini 3.5 Transcribe — модель для перевода речи в текст в реальном времени. Она автоматически распознаёт более 85 языков, удаляет слова-паразиты вроде «эм» и исправляет оговорки, самостоятельно форматируя результат. Заявленная доля ошибок распознавания составляет 4,0% для потокового аудио и 2,6% для записей, а задержка на 70% ниже, чем у предыдущей модели Chirp 3. Через вызов функций Gemini 3.5 Transcribe может передавать другим моделям Gemini задачи генерации изображений и поиска в интернете.
Модель доступна через два интерфейса. Live API предназначен для потоковой расшифровки с очень низкой задержкой и работает на модели `gemini-3.5-transcribe-live`. Interactions API обрабатывает записанное аудио, определяет говорящих и добавляет временные метки; его модель называется `gemini-3.5-transcribe`.
Gemini 3.5 Transcribe уже работает в Google ИИ Studio и на платформе Gemini Enterprise Agent Platform. На Android модель встроена в Gboard через «Rambler», а на macOS — в приложение Gemini. Поддержка Chrome появится в ближайшее время.
Ежедневные новости об ИИ
Каждый день отбираем важные новости об ИИ, роботах и метавселенных и рассказываем главное — без хайпа и воды. Если хотите понимать, что происходит в ИИ раньше остальных, — подписывайтесь.
Только важное — каждый день
В Telegram