Google анонсувала Gemini 3.5 Transcribe: розпізнавання мовлення з підтримкою 85+ мов

Компанія Google оголосила про випуск Gemini 3.5 Transcribe — нової моделі для транскрибування мовлення. Система здатна перетворювати неструктуровану розмовну мову на впорядкований текст і підтримує понад 85 мов.

За заявою розробників, модель демонструє вищу точність розпізнавання порівняно з попередніми версіями. Серед ключових можливостей — автоматичне видалення слів-паразитів, врахування спеціальної лексики та нестандартних написань, а також розуміння голосових команд для редагування тексту. Окремо відзначається покращена робота з буквено-цифровими послідовностями, зокрема номерами замовлень і поштовими індексами.

Під час обробки записаного аудіо Gemini 3.5 Transcribe може розрізняти до трьох співрозмовників та додавати часові позначки для окремих слів. Це робить модель придатною для транскрибування інтерв'ю, нарад та інших багатоголосих записів.

Технологія вже інтегрована в функцію Rambler на Android-пристроях, зокрема в серії Pixel 11, а також у застосунок Gemini для macOS. Наступним кроком стане інтеграція в браузер Chrome, де модель працюватиме з будь-яким текстовим полем на вебсторінках — користувачі зможуть диктувати відповіді, дописи або віддавати голосові команди Gemini.

Крім того, Gemini 3.5 Transcribe доступна на платформі Google Antigravity для розробки застосунків з автономними AI-агентами. У планах компанії — додати модель до Search Live, Gemini Live, Docs, Keep та Gmail. Для розробників передбачено доступ через API Google.

Поява такої моделі розширює можливості голосового введення в екосистемі Google та може вплинути на ринок інструментів транскрибації, де конкуренція зростає. Очікується, що інтеграція в Chrome і робочі застосунки зробить голосове диктування стандартною опцією для мільйонів користувачів.