Google Gemini 3.5 Transcribe удаляет «ум», «ах» и поддерживает более 85 языков
Новый модуль Gemini 3.5 Transcribe от Google автоматически убирает лишние «ум», «ах» и распознаёт специализированный жаргон на 85+ языках, улучшая качество автоматических субтитров.
Google анонсировала Gemini 3.5 Transcribe — свежий модуль в линейке Gemini, который расширяет возможности аудио‑транскрипции. В отличие от прежних решений, новая версия умеет автоматически удалять междометия («ум», «ах», «ээ»), а также распознавать специализированный жаргон в разных отраслях, от медицины до ИТ.
Ключевые особенности:
- Поддержка более 85 языков и диалектов, включая редкие варианты, такие как баскский, гуджарати и тайваньский мандарин.
- Контекстуальное понимание профессионального сленга: модель обучена на корпусах технической документации, научных статей и юридических текстов.
- Интеграция с Gemini 3.5 Live Translate: пользователи могут одновременно получать перевод и чистый транскрипт в реальном времени.
- API‑доступ через Google Cloud с гибкой тарификацией, позволяющий разработчикам внедрять транскрипцию в приложения, подкасты и видеоплатформы.
Gemini 3.5 Transcribe выходит в публичный бета‑режим сразу после запуска Gemini 3.5 Live Translate и предвещает появление более мощного Gemini 3.5 Pro, который обещает ещё большую точность и расширенные возможности редактирования.
Для разработчиков важен низкий уровень шума в результатах: автоматическое удаление «ум», «ах» экономит пост‑обработку и повышает читаемость субтитров. Кроме того, поддержка редких языков открывает новые рынки для локализованных сервисов.
Ссылка на оригинал: https://www.theverge.com/tech/985186/google-gemini-3-5-transcribe-audio-ai
Для AI‑разработчиков Gemini 3.5 Transcribe — это шанс сократить пост‑обработку аудио и улучшить пользовательский опыт без лишних правок. Поддержка 85+ языков открывает двери для локализации контента в нишевых рынках, а API‑интеграция упрощает внедрение в SaaS‑продукты. Однако стоит помнить о возможных лицензионных ограничениях Google Cloud.
