Google'ın yapay zeka alanındaki en yeni gözdesi Gemini 3.5 Pro'yu heyecanla beklerken, şirketten Gemini 3.5 ailesinin farklı bir üyesi daha geldi: Gemini 3.5 Transcribe. Bu yeni yapay zeka modeli, sesli girdileri daha akıcı hale getirmek üzere tasarlanmış olup, konuşmadaki "ııı" gibi dolgu seslerini ve düzeltmeleri düzenleyerek pürüzsüz bir metin çıktısı sunuyor. Bu teknoloji şimdiden Pixel 11 cihazlarındaki Gboard'un "Rambler" özelliğinde kullanılıyor ve yakında Google ekosisteminin geneline yayılacak.
Google'a göre, Gemini 3.5 Transcribe, önceki sesli metne dönüştürme motoru Chirp 3'ten çok daha hızlı ve isabetli. Yeni yapay zeka modeli, sesten nihai metne dönüşümde yaklaşık %70 daha hızlı çalışıyor ve canlı konuşmadaki hata oranı %5,5'e kadar düştü. Bu, Chirp 3'ün %7,32'lik hata oranına kıyasla küçük bir iyileşme gibi görünse de, sesli girdi kullanırken yazım hatalarını düzeltme zahmetinden kurtulmak adına her türlü gelişme büyük önem taşıyor.
Yeni model sadece söylenen kelimeleri daha iyi duymakla kalmıyor, aynı zamanda konuşmacının ne demek istediğini daha iyi anlamada da iddialı. Konuşma sırasında, Gemini 3.5 Transcribe anlık düşünce akışını kesintiye uğratan "ııı" ve "eee" gibi sesleri ortadan kaldırabiliyor. Ayrıca, konuşmacının kendini düzeltmesi gerektiğinde metni anında düzenleyebiliyor ve sunulan özel kelime dağarcığını kullanarak "özel terimleri" doğru bir şekilde işleyebiliyor. Bu özellikler 85 dilde ve önceden kaydedilmiş seslerde en fazla üç konuşmacı için çalışabiliyor.
Elbette, bu teknolojinin temelindeki varsayım, yapay zekanın konuşmanın ana fikrini doğru bir şekilde yakalayabilmesi. Kısa metin blokları için modelin tutarsızlıkları ve konuşma takılmalarını temizlemede iyi olduğu görülüyor (Rambler ile yapılan testlere dayanarak), ancak yapay zeka teknik olarak söylenen kelimelerin sırasını değiştirdiği için bu durum her senaryo için uygun olmayabilir.
Robotla Konuşmanın Yeni Yolu
Gemini 3.5 Transcribe şimdiden Gboard'daki Rambler gibi bazı yerlerde kullanıma sunuldu. Ancak bu özellik şimdilik yalnızca Pixel 11 telefonlarıyla sınırlı. Google, bu yılın ilerleyen zamanlarında Rambler'ı "daha fazla Gemini Intelligence cihazına" genişleteceğini belirtiyor. macOS üzerinde Gemini uygulamasını kullananlar için de sesli girdiler bugünden itibaren Gemini 3.5 Transcribe'dan faydalanacak.
Geliştiriciler de Gemini 3.5 Transcribe'dan bolca yararlanacak. Bugün itibarıyla Antigravity platformunda yeni model kullanıma sunuldu ve kullanıcının izniyle ekran bağlamına ve sohbet geçmişine tam erişim sağlanabiliyor. AI Studio'nun model oluşturma aracı da artık Gemini 3.5 Transcribe'ı destekleyerek, yapay zeka destekli sesli metne dönüştürme ile kod uygulamaları geliştirme imkanı sunuyor. Geliştiriciler, Gemini API aracılığıyla da modele erişebilecekler.
Yukarıda bahsedilen özel uygulamaları veya cihazları kullanmıyorsanız, Gemini 3.5 Transcribe'ı hemen göremeyebilirsiniz ancak bu teknoloji yolda. Google, yapay zeka destekli transkripsiyon özelliğini yakında Chrome tarayıcısına da getirmeyi planlıyor. Bu özellik kullanıma sunulduğunda, herhangi bir web alanına metin girişi yapabileceksiniz. E-postalar yazmak, yorum bırakmak veya hatta sesli komutlarla yapay zeka sohbet botlarını yönlendirmek için kullanabilirsiniz.
