Intelligent transcription with Gemini 3.5 Transcribe
Artikelbild eller återanvändbart omslag för Google DeepMind
Google DeepMind presenterar Gemini 3.5 Transcribe, en ny tal-till-text-modell som omvandlar röst direkt till formaterad och korrigerad text.
Modellen klarar bakgrundsbrus, komplext fackspråk och tar bort ifyllnadsord som "ums" och "ahs". Den finns i två versioner: en för direktströmmande tal med under en sekunds fördröjning, och en för inspelat material där den kan identifiera och särskilja upp till tre talare. Utvecklare kan använda den via Gemini API och Google AI Studio för att bygga röstapplikationer, realtidstextning eller samtalanalys. Modellen stöder över 85 språk och kan anpassas till eget fackspråk och stavningar.
Unlike conventional speech recognition models that struggle with background noise, complex jargon, and disfluency cleanup, Gemini 3.5 Transcribe converts raw audio directly into accurate, polished, formatted text.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör Google DeepMind.
Mer att läsa
Experts say AI has made planning cyberattacks on industrial equipment faster by helping attackers read manuals and research past accidents more quickly
Techmeme för 2 tim sedan
Current and former officials from the US and other countries describe the Chinese spy agency MSS' campaign to help Chinese companies acquire advanced AI chips
Techmeme för 6 tim sedan
Tesla rolls out FSD v15, featuring a photorealistic rendering of car surroundings; Elon Musk says it is real-time AI video generation without using game engines
Techmeme för 7 tim sedan
Sources: AI server suppliers like Dell, HPE, Lenovo, and Supermicro are demanding substantially higher prices from buyers, months after contracts were signed
Techmeme för 8 tim sedan
