גוגל משיקה את ג'מיני 3.5 טרנסקרייב להאצת תמלול קולי בזמן אמת

09:06

גוגל חוצה שלב חדש בתחום האינטליגנציה המלאכותית הקולית עם השקת ג'מיני 3.5 טרנסקרייב, מודל חדש שנועד להמיר דיבור לטקסט במהירות ובדיוק גבוהים יותר. המטרה היא לספק פתרון גם למפתחים וגם לעסקים, טכנולוגיה זו שואפת לענות על הצרכים הגוברים של תמלול מיידי של שיחות, פגישות והקלטות אודיו.

המודל החדש מתבלט במיוחד ביכולתו לעבד דיבור בסביבות מורכבות. רעשי רקע, אוצר מילים טכני, היסוסים או תיקונים המבוצעים על ידי המשתתפים יכולים להתחשב כדי לשפר את איכות הטקסט שנוצר.

על פי הנתונים שהוצגו, ג'מיני 3.5 טרנסקרייב מציג שיעור שגיאה של 4% עבור תמלול רציף ו-2.6% עבור עיבוד אודיו שאינו בשידור חי. הזמן הנדרש לקבלת תמלול סופי גם התקצר ב-70% בהשוואה למודל הקודם צ'ירפ 3.

תמלול זמין בזמן אמת או לאחר ההקלטה

גוגל מציעה שני מצבי שימוש המיועדים לצרכים שונים. הראשון מאפשר תמלול כמעט מיידי בזכות ממשק שידור חי המציע השהיה של פחות משנייה.

השני מיועד לתכני אודיו שכבר הוקלטו, כמו פגישות מקצועיות או יומני שיחות. גרסה זו מאפשרת גם לזהות ולהקצות את ההתערבויות של משתתפים שונים.

המודל מסוגל לגלות ולתמלל אוטומטית יותר מ-85 שפות. הוא יכול גם לזהות עד שלושה דוברים באותה הקלטה ולהתאים את ההתערבויות שלהם לתאריכי זמן.

בין הפונקציות המוצהרות נמצאות גם הסרת מילים מיותרות, עיצוב אוטומטי של הטקסט ואפשרות לשלב אוצר מילים מותאם אישית כדי לשפר את ההכרה במונחים ספציפיים לתחומים מסוימים.

גוגל מרחיבה את השימוש באינטליגנציה המלאכותית הקולית שלה

על פי הבנצ'מרק FLEURS, ג'מיני 3.5 טרנסקרייב מציג שיעור שגיאה של 5.50% במצב שידור ו-5.04% עבור תכנים מעובדים שאינם בשידור חי, לפי המידע שסופק.

גוגל מתכננת לשלב בהדרגה את הטכנולוגיה הזו בכמה מהמוצרים והשירותים שלה. המודל משולב במיוחד באפליקציית ג'מיני על macOS, בכמה תכונות על Android דרך Gboard כמו גם ב-Google AI Studio.

ההשקה מתבצעת גם במסגרת אסטרטגיה רחבה יותר שמטרתה לחזק את שילוב האינטליגנציה המלאכותית הגנרטיבית בכלים מקצועיים וציבוריים. המפתחים יכולים לגשת למודל בגרסה ציבורית דרך Google AI Studio, בעוד שהעסקים נהנים משילוב דרך פלטפורמת Gemini Enterprise Agent.

בעוד מועד, דפדפן כרום צפוי גם להרוויח מתכונות חדשות של תמלול מבוססות על טכנולוגיה זו. עם ג'מיני 3.5 טרנסקרייב, גוגל שואפת להפוך את הקול לממשק מרכזי יותר ויותר בשימוש היומיומי בכלים דיגיטליים.