Noticias sobre Gemini 3.5 Transcribe

Google AI ha lanzado Gemini 3.5 Transcribe, un modelo de voz a texto que reporta un WER promedio del 2,6% en más de 85 idiomas. El modelo se divide en dos puntos finales: el punto final de flujo y el punto final de procesamiento por lotes. El punto final de flujo proporciona una transcripción de menos de un segundo, pero no admite la identificación de hablantes y los sellos de tiempo de palabras. El punto final de procesamiento por lotes admite estas dos funciones, pero cuesta la mitad que el punto final de flujo. Google informa que el WER del punto final de flujo es del 4,0%, mientras que el WER del punto final no flujo es del 2,6%, un 70% más rápido que Chirp 3.

Gemini 3.5 Transcribe de Google puede reconocer 85 idiomas y corregir palabras de relleno y lapsus linguae en la transcripción de voz en tiempo real. En modo de transmisión en continuo, logra una tasa de error de palabras del 4,0%, con una reducción de la latencia del 70% en comparación con el producto anterior Chirp 3. Además, a través de llamadas a funciones, se pueden asignar tareas a otros modelos Gemini.

Google anuncia el lanzamiento de Gemini 3.5 Transcribe, que ofrece la capacidad de transcripción de voz a texto impulsada por inteligencia artificial. Esta tecnología se aplicará a más productos de Google, incluido Chrome. El lanzamiento de Gemini 3.5 Transcribe marca una mayor inmersión de Google en el campo del reconocimiento de voz.

Google DeepMind lanzó Gemini 3.5 Transcribe, lo que mejoró aún más la capacidad de transcripción inteligente. El lanzamiento de Gemini 3.5 Transcribe marca otro gran avance de Google en la tecnología de reconocimiento de voz. La mejora de esta tecnología traerá una mayor precisión y eficiencia a las aplicaciones de transcripción de voz a texto.