Google’dan Yeni Sesli Metin Modeli: Gemini 3.5 Transcribe

Google, sesli metin dönüştürme süreçlerini iyileştirmek amacıyla geliştirdiği Gemini 3.5 Transcribe modelini resmen duyurdu. Bu yeni yapay zeka modeli, sesli girişleri daha hızlı ve hatasız bir şekilde metne dökme hedefiyle tasarlandı.

Söz konusu teknoloji, halihazırda Pixel 11 cihazlarda bulunan Gboard Rambler özelliğinde aktif olarak kullanılıyor. Google, bu modelin önümüzdeki dönemde tüm ekosistemine yayılacağını açıkladı.

Gemini 3.5 Transcribe ile Hızlı ve Akıcı Dönüşüm

Google’ın önceki sesli metin dönüştürme motoru olan Chirp 3 ile kıyaslandığında, yeni modelin performansında ciddi bir artış gözlemleniyor. Gemini 3.5 Transcribe, sesli veriyi nihai metne dönüştürme sürecinde yaklaşık yüzde 70 oranında daha yüksek bir hız sunuyor.

Canlı konuşma sırasındaki hata oranı ise yüzde 5,5 seviyesine kadar gerilemiş durumda. Chirp 3 modelinde bu oran yüzde 7,32 olarak ölçülüyordu, dolayısıyla yeni model daha kararlı bir yapı sergiliyor.

Bu teknoloji sadece kelimeleri doğru duymakla kalmıyor, aynı zamanda kullanıcının ne demek istediğini de analiz edebiliyor. Konuşma sırasında sıkça kullanılan ıı veya eee gibi gereksiz ifadeler, model tarafından otomatik olarak temizleniyor.

Ayrıca kullanıcıların kendilerini düzeltmeleri durumunda metin üzerinde anlık düzenlemeler yapılabiliyor. Özel terminolojiye ihtiyaç duyan kullanıcılar için sistem, tanımlanmış özel kelime dağarcığını da dikkate alıyor.

Sistem, kullanıcının konuşma akışını bozmadan metni düzenleyerek daha profesyonel bir çıktı veriyor. Bu durum, özellikle hızlı not alması gereken kullanıcılar için büyük bir kolaylık sağlıyor.

Geniş Dil Desteği ve Kullanım Alanları

Gemini 3.5 Transcribe, dünya genelinde 85 farklı dili destekleyerek geniş bir kullanıcı kitlesine hitap ediyor. Önceden kaydedilmiş ses dosyalarında ise aynı anda üç farklı konuşmacıyı ayırt edebilme yeteneğine sahip.

Modelin sunduğu bu temizleme özellikleri, kısa metin bloklarında oldukça başarılı sonuçlar veriyor. Ancak yapay zekanın konuşulan ifadeleri teknik olarak değiştirmesi, bazı durumlar için uygun olmayabilir.

Google, bu modelin sesli giriş deneyimini daha profesyonel bir seviyeye taşımayı amaçladığını belirtiyor. Kullanıcıların sesli komut verirken yaşadığı yazım hataları ve duraksamalar, artık daha az sorun teşkil edecek.

Teknoloji dünyasında sesli girişlerin giderek daha fazla önem kazandığı bu dönemde, Google’ın bu hamlesi önemli bir adım olarak görülüyor. Yazılımın sunduğu bu iyileştirmeler, günlük kullanımda sesli not alma süreçlerini hızlandırabilir.

Yapay zeka destekli bu yeni modelin, özellikle uzun toplantı notlarının veya sesli mesajların düzenlenmesinde verimliliği artırması bekleniyor. Google, bu teknolojiyle sesli girişlerin metin tabanlı iletişimdeki yerini güçlendirmeyi hedefliyor.

Sizce yapay zeka tarafından düzenlenen sesli metinler, orijinal konuşmanın doğallığını bozuyor mu?