Google'ın en güçlü ses yazıya dönüştürme modeli geldi: Doğruluk oranı ilk beşe girdi, ancak henüz ElevenLabs'ı geçemedi.

动察 Beating AI hızlı haberi: Google, Gemini 3.5 Transcribe'ı yayınladı. Bu, şu ana kadarki en doğru Google ses transkripsiyon modeli ve Google'ın özel transkripsiyon modeline ilk kez Smart modunu eklemesi. Model, gerçek zamanlı ve kayıt transkripsiyonu olmak üzere iki sürüm halinde sunuluyor ve şu anda Gemini API genel beta testi açık. Artificial Analysis değerlendirmesinde, akışsız WER (kelime hata oranı, düşük olması daha iyi) %2,6, gerçek zamanlı sürüm ise %4,0. Nihai transkripsiyon gecikmesi, önceki nesil Chirp 3'e kıyasla %70 kısaltıldı.

Smart mod artık yalnızca sesi kelime kelime metne dönüştürmüyor. Örneğin, "Salı toplantı, hayır, Çarşamba" derseniz, doğrudan "Çarşamba"yı bırakır; "hmm, ah" gibi dolgu sözcükleri de otomatik olarak silinir ve konuşma metni paragraflar, listeler, tarihler ve sayılar halinde düzenlenebilir. Toplantı notlarında birebir ifadelere ihtiyaç duyulduğunda, varsayılan kelime kelime transkripsiyon modu kullanılmaya devam edilebilir.

Model, 85'ten fazla dili ve dil değiştirmeyi destekler, ayrıca özel profesyonel kelimeler eklenebilir. Kayıt transkripsiyonu dakikada yaklaşık 0,005 dolar, yani 1000 dakika başına 5 dolar; gerçek zamanlı sürüm ise dakikada yaklaşık 0,009 dolar. Bağımsız sıralamalarda, OpenAI GPT Transcribe'ın %3,3'ünden daha doğru, ancak ElevenLabs Scribe v2'yi geçemiyor: ikincisinin WER'i %2,2 ve 1000 dakika başına yaklaşık 3,67 dolar.

Bu model, Android'deki Rambler ve macOS sürümü Gemini'de zaten kullanılıyor ve yakında Chrome'a da gelecek. O zaman web sayfasındaki giriş kutusunda doğrudan konuşarak yazı yazılabilecek.