Noticias sobre Google AI

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.