Tashqi dunyo hali ham Gemini 3.5 Pro taqdim etilishini kutayotgan bir paytda, Google 3.5 seriyasidagi yana bir modelni avvalroq chiqardi. Kompaniya bugun Gemini 3.5 Transcribe nutqni matnga aylantirish modelini taqdim etdi. Bu nutq orqali kiritish tajribasini yaxshilashga mo‘ljallangan AI modeli bo‘lib, nutqdagi “mmm”, “ee” kabi og‘zaki so‘zlarni, shuningdek, xato aytilgandan keyin darhol tuzatilgan qismlarni avtomatik o‘chiradi va natijada ravonroq, tartibliroq matn yaratadi.
Hozirda ushbu model Pixel 11 dagi Gboard klaviaturasining “Rambler” funksiyasini qo‘llab-quvvatlamoqda. Keyinchalik u Google’ning boshqa mahsulot va xizmatlariga ham bosqichma-bosqich joriy etiladi.
Google ma’lumotlariga ko‘ra, avval Chirp 3 deb atalgan nutqni matnga aylantirish mexanizmiga nisbatan Gemini 3.5 Transcribe tezlik va aniqlik bo‘yicha yaxshilangan. Foydalanuvchi gapira boshlaganidan yakuniy transkripsiya matni hosil bo‘lguniga qadar bo‘lgan umumiy tezlik taxminan 70 foizga oshishi kutilmoqda; real vaqt rejimidagi nutq holatlarida esa xatolik darajasi 5,5 foizgacha tushgan.
Biroq aniqlikning o‘sish darajasi unchalik katta emas. Google ma’lumotlariga ko‘ra, Chirp 3 ning xatolik darajasi 7,32 foizni tashkil etgan. Ammo ovoz orqali kiritishdan tez-tez foydalanadigan foydalanuvchilar uchun hatto bir necha xatoni kamroq tuzatish ham keyinchalik qo‘lda o‘zgartiriladigan matnning kamayishini anglatadi. Shu sababli bu baribir amaliy yaxshilanish hisoblanadi.
Gemini 3.5 Transcribe faqat foydalanuvchi nima deganini “aniq eshitish” bilan cheklanmaydi, balki u aslida nimani anglatmoqchi bo‘lganini ham tushunishga harakat qiladi. Gapirish jarayonida model jumla ravonligiga xalaqit beradigan “mmm”, “ee” kabi og‘zaki so‘zlarni avtomatik o‘chirishi mumkin. Agar foydalanuvchi noto‘g‘ri gapirib, darhol tuzatsa, model allaqachon yaratilgan matnni ham real vaqt rejimida moslashtira oladi. Bundan tashqari, foydalanuvchilar modelga professional atamalar va muayyan soha so‘zlarini yaxshiroq tanishga yordam berish uchun maxsus lug‘at taqdim etishlari mumkin.
Hozirda ushbu model 85 ta tilni qo‘llab-quvvatlaydi va ko‘pi bilan 3 nafar so‘zlovchi qatnashgan oldindan yozib olingan audiolarni qayta ishlay oladi.
Albatta, bu funksiyada yaqqol bir muammo ham bor: foydalanuvchi AI o‘zi aslida nimani ifodalamoqchi bo‘lganini to‘g‘ri tushuna olishiga ishonishi kerak. Hech bo‘lmaganda qisqa matnlarda Rambler funksiyasidan foydalanish tajribasi shuni ko‘rsatadiki, model bir-biriga mos kelmaydigan iboralar va gapirish paytidagi tutilishlarni ancha yaxshi tozalab, matnni tabiiyroq ko‘rinishga keltira oladi.
Ammo shu bilan birga, Gemini 3.5 Transcribe shunchaki nutqni matnga aylantirish bilan cheklanmaydi. AI mazmunni tartibga solish jarayonida foydalanuvchining dastlabki iboralarini amalda o‘zgartirishi mumkin. Shu sababli asl so‘zlarni qat’iy saqlash va ifodalarni o‘zboshimchalik bilan o‘zgartirmaslik zarur bo‘lgan ayrim holatlarda bunday “aqlli tahrirlash”dan foydalanish maqsadga muvofiq bo‘lmasligi mumkin.