Штучний інтелект, що лежить в основі функції Rambler в Gboard, з’явиться в більшій кількості продуктів Google, зокрема в Chrome.
Поки ми чекаємо (можливо, марно) на випуск Gemini 3.5 Pro, Google випускає іншу модель з гілки 3.5. Компанія анонсувала Gemini 3.5 Transcribe — модель ШІ, розроблену для оптимізації голосового введення шляхом редагування “ем” і виправлень, що генерує відшліфований текст. Ця модель вже забезпечує роботу функції Rambler в Gboard на Pixel 11, але незабаром з’явиться в екосистемі Google.
За даними Google, Gemini 3.5 Transcribe працює значно швидше та точніше, ніж попередній механізм перетворення голосу в текст під назвою Chirp 3. Нова модель ШІ має бути приблизно на 70% швидшою від моменту вимови до отримання кінцевого транскрибованого тексту, а показник помилок у розпізнаванні мови в реальному часі знизився до 5,5%. Це лише трохи краще, ніж у Chirp 3, який, за вимірюваннями Google, мав показник 7,32%. Тим не менш, виправляти друкарські помилки під час голосового введення — це клопітно, тому будь-яке поліпшення тут є корисним.
Нова модель не тільки краще чує слова, які ви говорите; вона також, як стверджується, краще розуміє суть того, що ви хотіли сказати. Під час мовлення Gemini 3.5 Transcribe може видаляти незграбні “ем” і “ее”, що захаращують ваш потік свідомості. Вона також може редагувати текст на льоту, якщо вам потрібно виправити себе, та використовувати наданий вами власний словник для обробки “спеціалізованого жаргону”. Все це працює 85 мовами та з трьома спікерами в попередньо записаному аудіо.
Недоліком, звісно, є те, що ви покладаєтеся на ШІ для точного розуміння суті вашого мовлення. Для коротких фрагментів тексту модель добре справляється з очищенням невідповідностей і мовних запинок (судячи з моїх тестів з Rambler), але ШІ технічно змінює формулювання сказаного, і це може бути неприйнятним у всіх ситуаціях.
Розмовляйте з роботом
Gemini 3.5 Transcribe вже працює в кількох місцях, зокрема в Rambler в Gboard. Однак це поки що обмежено телефонами Pixel 11. Google заявляє, що розширить Rambler на “більше пристроїв з Gemini Intelligence” пізніше цього року. Якщо ви використовуєте додаток Gemini на macOS, ваше голосове введення також отримає переваги Gemini 3.5 Transcribe вже сьогодні.
Розробники також зможуть активно користуватися Gemini 3.5 Transcribe. Починаючи з сьогоднішнього дня, Antigravity матиме доступ до нової моделі з повним доступом до контексту екрана та історії чатів (з вашого дозволу). Модель AI Studio також тепер оснащена Gemini 3.5 Transcribe, що дозволяє створювати додатки за допомогою оптимізованого голосового введення. Розробники також можуть отримати доступ до моделі через Gemini API.
Якщо ви не використовуєте ці конкретні додатки чи пристрої, ви поки що не побачите Gemini 3.5 Transcribe, але вона незабаром з’явиться. Google планує “незабаром” інтегрувати функцію транскрипції ШІ в браузер Chrome. Коли вона буде доступна, ви зможете вводити текст у будь-яке веб-поле. Використовуйте її для написання електронних листів, залишення гнівних коментарів або навіть для створення запитів до чат-ботів ШІ голосом.
За матеріалами: arstechnica.com