Google представила модель Gemini 3.5 Transcribe для расшифровки речи

Компания Google официально представила новую специализированную модель обработки речи — Gemini 3.5 Transcribe. Разработка позиционируется как прорыв в области преобразования устной речи в текст с исключительной точностью.

Рекордная точность и мультиязычность

Согласно сообщению сайта MarkTechPost, модель продемонстрировала уровень ошибок всего 2,6% при тестировании на 85 языках и диалектах. Это делает её одной из наиболее эффективных аудиомоделей по точности распознавания, включая локальные диалекты и фоновые шумы, а также обеспечивает мгновенную расшифровку встреч и телефонных звонков.

Адаптация к сложным акустическим условиям

Как отмечается в публикации MarkTechPost, технологическое решение направлено на упрощение глобального взаимодействия и интеграцию функций мгновенного перевода в умные приложения и цифровые ассистенты. Архитектура модели основана на передовой нейронной структуре, позволяющей различать несколько голосов в одном помещении и точно подавлять помехи.

Доступ для разработчиков и сферы применения

Google объявила о доступности модели для разработчиков через облачные API. Предусмотрена поддержка инструментов клиентского обслуживания, цифрового образования, а также автоматизации документирования в медицинской и юридической сферах — отраслях, предъявляющих повышенные требования к точности и надёжности.

Интеграция в пользовательские сервисы

Американская компания планирует интегрировать Gemini 3.5 Transcribe в повседневные сервисы, чтобы улучшить пользовательский опыт. Инновация призвана устранять языковые барьеры и предоставлять продвинутые продуктивные инструменты, позволяющие организациям взаимодействовать со своей глобальной аудиторией без потерь в плавности и профессионализме.