Google, bugün Gemini 3.5 Transcribe'ı tanıttı ve bu model, şirketin şimdiye kadar geliştirdiği en doğru sesli metin dönüştürme teknolojisi olarak öne çıkıyor. Gemini 3.5, arka plan gürültüsü, karmaşık terimler ve konuşma akışındaki bozukluklarla başa çıkma yeteneği ile dikkat çekiyor. Bu yeni model, ham ses verilerini doğrudan doğru, düzenli ve biçimlendirilmiş metne dönüştürüyor. Kullanıcıların doğal konuşma tarzını yakalamak için tasarlanan Gemini 3.5, özelleştirilmiş kelime dağarcığını tanıma yeteneği ile de öne çıkıyor.
Yenilikçi Özellikler
Gemini 3.5 Transcribe, kullanıcıların kendilerini daha iyi ifade etmelerine olanak tanıyor. Örneğin, Rambler uygulamasında görüldüğü gibi, model kendiliğinden düzeltmeleri ("Salı buluşalım—hayır, Çarşamba") işleyebiliyor ve "um", "ah" gibi gereksiz kelimeleri metinden çıkarabiliyor. Ayrıca, metni otomatik olarak biçimlendiriyor ve doğal ses düzenlemelerine olanak tanıyor. Google, bu modelin performansının önemli ölçüde arttığını ve kelime hata oranlarının iyileştiğini belirtiyor. 2025'teki Chirp 3 modeline göre, Gemini 3.5'in gecikme süresi de önemli ölçüde azalmış durumda.
Çok Dilli Performans
Gemini 3.5 Transcribe, çok dilli performansı ile de dikkat çekiyor. Yapay Zeka Analizi tarafından ölçülen verilere göre, nihai transkripsiyon süresi %70 oranında iyileşmiş durumda. FLEURS benchmark'ında, en iyi diller ve bölgeler arasında, modelin akış modunda %5.50, akış dışı kullanım durumlarında ise %5.04 kelime hata oranı (WER) sağladığı belirtiliyor. Bu, kullanıcıların farklı dillerde de etkili bir şekilde sesli komutlar vermesine olanak tanıyor.
Sesle Görev Yürütme
Gemini 3.5'in bir diğer önemli özelliği ise sesle görev yürütme yeteneği. Bu özellik, karmaşık görevleri (örneğin, görüntü oluşturma ve dosya analizi) diğer Gemini modellerine devretmeyi sağlıyor. Bu, macOS için Gemini uygulamasındaki "Pencereye Konuş" yeteneği ile görülebiliyor. Kullanıcılar, sesli komutlar vererek daha karmaşık işlemleri kolayca gerçekleştirebiliyorlar.
Gemini 3.5 Transcribe, Android'deki Gboard Rambler ve Google Antigravity'nin mikrofonu ile de kullanılabiliyor. Bu özellik, ekran bağlamı ve sohbet geçmişi ile eşleştirilerek, dosya adları, ajanın düşünceleri ve aktif belgeler arasında kesin transkripsiyon doğruluğu sağlıyor. Ayrıca, bu teknoloji yakında Chrome tarayıcısında da kullanılabilir hale gelecek. Kullanıcılar, web alanlarında sesle yazma işlemini kolayca gerçekleştirebilecekler.
Google'ın bu yeni teknolojisi, hem Windows, Mac hem de Linux platformlarında kullanılabilir olacak. Sesli metin dönüştürme alanında sağladığı yenilikler ile kullanıcıların işlerini kolaylaştırmayı hedefliyor.
