Google, sesli verilerin metne dönüştürülmesi konusunda yeni bir yapay zeka modelini kullanıma sundu. Gemini 3.5 Transcribe adı verilen model, yalnızca konuşulan kelimeleri metne aktarmakla kalmayıp ortaya çıkan metni daha düzenli ve okunabilir hâle getirmeyi hedefliyor.
Modelin ilk kullanım alanlarından biri, Pixel 11 serisindeki Gboard Rambler özelliği oldu. Google’ın açıklamalarına göre Gemini 3.5 Transcribe’ın ilerleyen dönemde şirketin diğer ürün ve hizmetlerinde de kullanılması planlanıyor.
Önceki modele göre daha hızlı
Gemini 3.5 Transcribe, Google’ın önceki sesli metin teknolojilerinden Chirp 3 ile karşılaştırıldığında hız konusunda önemli bir avantaj sunuyor.
Google’ın paylaştığı verilere göre yeni model, sesli veriyi metne dönüştürme işlemini yaklaşık yüzde 70 daha hızlı gerçekleştirebiliyor. Canlı konuşmalardaki hata oranı da yüzde 5,5 seviyesine düşürülmüş durumda. Chirp 3’te bu oran yüzde 7,32 olarak belirtiliyordu.
Konuşmaları daha temiz metinlere dönüştürüyor
Modelin dikkat çeken özelliklerinden biri, konuşma sırasında ortaya çıkan gereksiz ifadeleri otomatik olarak ayıklayabilmesi.
Kullanıcının konuşurken sıkça kullandığı “ıı”, “eee” gibi dolgu kelimeleri metinden çıkarılabiliyor. Ayrıca kişi konuşma sırasında söylediğini düzeltirse Gemini 3.5 Transcribe bunu algılayarak metni buna göre güncelleyebiliyor.
Bu özellik sayesinde ham bir ses kaydı, daha okunabilir ve düzenli bir metne dönüştürülebiliyor.
Özel terimleri de algılayabiliyor
Gemini 3.5 Transcribe, standart kelimelerin yanı sıra belirli alanlarda kullanılan özel terimlerle çalışacak şekilde yapılandırılabiliyor.
Özellikle teknik ifadelerin yoğun olduğu konuşmalarda özel kelime dağarcığının kullanılabilmesi, modelin farklı kullanım senaryolarına uyarlanmasını kolaylaştırıyor.
Bu özellik; toplantılar, röportajlar, dersler ve profesyonel ses kayıtlarının yazıya geçirilmesi gibi alanlarda faydalı olabilir.
85 dil desteği sunuyor
Google’ın yeni modeli toplam 85 dili destekliyor. Önceden kaydedilmiş ses dosyalarında ise aynı anda üç farklı konuşmacıyı ayırt edebiliyor.
Bu özellik, birden fazla kişinin bulunduğu toplantı veya röportaj kayıtlarının metne dönüştürülmesinde özellikle kullanışlı olabilir.
Sesli not ve toplantılar için kullanılabilir
Gemini 3.5 Transcribe’ın sunduğu hız ve metin temizleme özellikleri, günlük kullanımın yanı sıra profesyonel alanlarda da avantaj sağlayabilir.
Toplantı kayıtlarının yazıya aktarılması, sesli notların düzenlenmesi ve uzun konuşmaların metin hâline getirilmesi gibi işlemler daha kısa sürede gerçekleştirilebilir.
Ancak modelin konuşmayı daha anlaşılır hâle getirmek amacıyla bazı ifadeleri temizlemesi, kelimesi kelimesine transkripsiyon gerektiren durumlarda her zaman istenen sonuç olmayabilir.
Google’ın yeni modeli, yapay zekâ destekli sesli giriş teknolojilerinin gelişmeye devam ettiğini gösteriyor. Gemini 3.5 Transcribe’ın daha fazla Google ürününe entegre edilmesiyle birlikte sesli komut ve dikte deneyiminin de zaman içerisinde daha gelişmiş hâle gelmesi bekleniyor.