Пока мы ждём (возможно, напрасно) выхода Gemini 3.5 Pro, Google выпускает другую модель в ветке 3.5. Компания анонсировала Gemini 3.5 Transcribe — ИИ-модель, предназначенную для оптимизации голосового ввода: она вырезает «э-э» и исправления, выдавая чистый текст. Эта модель уже работает в функции Gboard «Rambler» на Pixel 11, но скоро появится во всей экосистеме Google.
По данным Google, Gemini 3.5 Transcribe значительно быстрее и точнее предыдущего движка преобразования речи в текст, известного как Chirp 3. Новая ИИ-модель должна быть примерно на 70 процентов быстрее при переводе голоса в итоговый текст, а частота ошибок при распознавании живой речи снизилась до 5,5 процента. Это лишь немного лучше, чем у Chirp 3, где Google фиксирует 7,32 процента. Тем не менее исправлять опечатки при голосовом вводе — та ещё морока, так что любое улучшение здесь полезно.
Новая модель не только лучше слышит произносимые слова, но и, как утверждается, лучше улавливает суть сказанного. Пока вы говорите, Gemini 3.5 Transcribe может удалять неловкие «э-э» и «м-м», засоряющие поток сознания. Она также может редактировать текст на лету, если вам нужно поправить себя, и обращаться к вашему пользовательскому словарю для обработки «специализированного жаргона». Всё это работает на 85 языках и с тремя говорящими в предварительно записанном аудио.
Недостаток, конечно, в том, что вы полагаетесь на ИИ в точной передаче сути вашей речи. Для коротких блоков текста модель хорошо справляется с устранением нестыковок и словесных запинок (судя по моему тестированию Rambler), но ИИ технически изменяет формулировку сказанного, и это может подходить не для всех ситуаций.
Поговори с роботом
Gemini 3.5 Transcribe уже работает в нескольких местах, включая Rambler в Gboard. Однако пока это ограничено телефонами Pixel 11. Google сообщает, что расширит Rambler на «больше устройств с Gemini Intelligence» в этом году. Если вы используете приложение Gemini на macOS, ваш голосовой ввод также получит преимущества Gemini 3.5 Transcribe уже сегодня.
Разработчики тоже увидят много Gemini 3.5 Transcribe. Начиная с сегодняшнего дня Antigravity получит новую модель с полным доступом к контексту экрана и истории чата (с вашего разрешения). Модель сборки AI Studio также теперь включает Gemini 3.5 Transcribe, позволяя вам создавать приложения для vibe code с оптимизированным ИИ преобразованием речи в текст. Разработчики также могут получить доступ к модели через Gemini API.
Если вы не используете эти конкретные приложения или устройства, Gemini 3.5 Transcribe пока не увидите, но она появится. Google сообщает, что планирует «скоро» внедрить функцию ИИ-транскрибации в браузер Chrome. Когда она станет доступна, вы сможете вводить текст в любое веб-поле. Используйте её для написания писем, оставления гневных комментариев или даже для голосового ввода запросов ИИ-чатботам.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Ryan Whitwam
