Google, konuşmaları yazıya dönüştürmek için geliştirdiği yeni yapay zeka modeli Gemini 3.5 Transcribe’ı duyurdu. Sesli giriş sırasında yaşanan gecikmeleri azaltmak ve ortaya çıkan metindeki hataları düşürmek amacıyla hazırlanan model, Google’ın daha önce kullandığı Chirp 3 teknolojisinin ardından sesli metin tarafındaki yeni çözümü olarak geliyor. Gemini 3.5 Transcribe’ın yalnızca söylenen kelimeleri metne aktarmadığı, konuşma sırasında kullanılan “ıı” ve “eee” gibi dolgu ifadelerini de algılayarak metinden çıkarabildiği belirtiliyor. Kullanıcı konuşurken söylediği ifadeyi düzelttiğinde sistemin söz konusu değişikliği metne anlık olarak yansıtabilmesi de modelin sunduğu özellikler arasında bulunuyor. Google’ın paylaştığı verilere göre yeni model, sesin son metne dönüştürülmesi aşamasında Chirp 3’e kıyasla yaklaşık yüzde 70 daha hızlı çalışıyor. Canlı konuşmalarda ölçülen hata oranının ise yüzde 5,5 seviyesine kadar gerilediği aktarılıyor. Gemini 3.5 Transcribe şu anda Pixel 11 modellerindeki Gboard Rambler özelliğinde kullanılıyor ve ilerleyen dönemde Google’ın diğer hizmetlerine de taşınması planlanıyor.
Yeni modelin performans değerleri, Google’ın önceki sesli metin teknolojisi Chirp 3 ile karşılaştırılarak açıklandı. Chirp 3’te canlı konuşmalarda yüzde 7,32 olarak ölçülen hata oranının Gemini 3.5 Transcribe ile yüzde 5,5’e düştüğü belirtiliyor.Sesli verinin son metin haline gelmesi için gereken sürede de değişiklik yapıldı. Google’ın aktardığı bilgilere göre Gemini 3.5 Transcribe bu işlemi önceki sisteme göre yaklaşık yüzde 70 daha hızlı gerçekleştirebiliyor.
Konuşmadaki Gereksiz İfadeleri Otomatik Temizliyor
Gemini 3.5 Transcribe’ın çalışma şekli klasik sesli yazma sistemlerinden bazı noktalarda ayrılıyor. Model, konuşmayı kelime kelime yazıya geçirmek yerine cümlenin anlamını da değerlendirebiliyor.Konuşurken düşünmek için kullanılan “ıı” ve “eee” gibi ifadeler otomatik olarak metinden çıkarılabiliyor. Kullanıcının söylediği sözü hemen ardından düzeltmesi halinde sistem ilk ifadeyi kaldırıp düzeltilen hali metne aktarabiliyor.Özel kelimeler ve teknik terimler için de kişiselleştirilmiş kelime dağarcığından yararlanılabiliyor. Böylece mesleki terimlerin veya günlük kullanımda sık karşılaşılmayan kelimelerin doğru şekilde yazılması amaçlanıyor.Google’ın yeni modeli kısa metinlerde daha temiz çıktı hazırlanmasına yardımcı olurken konuşulan ifadelerin otomatik olarak değiştirilmesi her kullanım senaryosu için uygun olmayabilir. Kelimesi kelimesine kayıt gereken durumlarda düzenleme özelliğinin dikkate alınması gerekiyor.
Gemini 3.5 Transcribe 85 Dili Destekliyor
Gemini 3.5 Transcribe’ın 85 farklı dilde çalışabildiği açıklandı. Model, önceden kaydedilmiş ses dosyalarında üç farklı konuşmacıyı birbirinden ayırabilecek şekilde de geliştirildi.Konuşmacı ayrımı sayesinde toplantı kayıtları, röportajlar ve birden fazla kişinin bulunduğu ses dosyalarının metne aktarılması sırasında kişilerin söylediklerinin ayrıştırılması hedefleniyor.Google, Gemini 3.5 Transcribe’ı halihazırda Pixel 11 telefonlardaki Gboard Rambler özelliğinde kullanıyor. Şirketin açıkladığı plana göre teknoloji ilerleyen dönemde daha geniş Google ekosistemine taşınacak.Yeni modelin yaygınlaşmasıyla sesli mesajların yazıya çevrilmesi, toplantı kayıtlarının hazırlanması ve konuşarak not alma gibi işlemlerde daha hızlı ve düzenlenmiş metinlerin elde edilmesi hedefleniyor.
