รองรับรูปแบบเสียงที่ซับซ้อนด้วย Gemini 3.5 Transcribe Enhance Complex Audio with Gemini 3.5 Transcribe
Gemini 3.5 Transcribe นำเสนอการถอดเสียงที่แม่นยำ รองรับกว่า 85 ภาษา
Gemini 3.5 Transcribe offers precise transcription across over 85 languages.
บทนำประสิทธิภาพการถอดเสียงที่เหนือกว่า
Gemini 3.5 Transcribe ได้ขึ้นระดับมาตรฐานของการถอดเสียงให้เราได้สัมผัสประสบการณ์ใหม่ที่ไม่เคยเจอมาก่อน โมเดลนี้ได้รับการพัฒนาเพื่อให้ปฏิสัมพันธ์ด้วยเสียงเป็นธรรมชาติ โดยสามารถจัดการกับเสียงรบกวนและแสดงผลเป็นข้อความที่แม่นยำและสวยงาม ตัวโมเดลถูกออกแบบมาเพื่อทำงานบนแพลตฟอร์มต่าง ๆ เช่น แอป Gemini บน macOS และ Android
ฟีเจอร์ที่เด่น
Gemini 3.5 Transcribe มาพร้อมกับฟีเจอร์หลากหลายที่ทำให้การถอดเสียงเป็นเรื่องง่ายขึ้น
- **Streaming แบบเรียลไทม์**: โดยใช้ Live API เพื่อส่งสตรีมมิ่งแบบสองทางในเวลาเสี้ยววินาที
- **การจัดการเสียงที่บันทึก**: ให้คุณสามารถถอดเสียงการประชุม การโทร และอื่น ๆ พร้อมทั้งบันทึกเวลาและระบุผู้พูด
- **การถอดเสียงอัจฉริยะ**: ช่วยลบคำเติมที่ไม่จำเป็นและจัดรูปแบบข้อความอัตโนมัติ
- **ความแม่นยำระดับโลก**: รองรับกว่า 85 ภาษาพร้อมแนวการพูดที่คลุมเครือ
การใช้งานในชีวิตประจำวัน
ไม่ว่าคุณจะใช้แอป Gboard บน Android หรือทำงานบน Google Antigravity Gemini 3.5 Transcribe จะช่วยเพิ่มประสิทธิภาพการทำงานของคุณ ด้วยฟีเจอร์ที่ช่วยทำให้การพูดเป็นข้อความเรียบง่าย การปรับแต่งการสะกดคำและรูปแบบการเขียนสามารถทำได้ด้วยเสียงโดยตรง
เบื้องหลัง
Gemini Audio เป็นแผนกพัฒนาภายใต้ DeepMind ซึ่งใช้เทคโนโลยี AI แบบใหม่ โมเดลนี้ถูกออกแบบเพื่อทดแทน Chirp 3 ซึ่งเป็นรุ่นก่อนหน้าและได้รับการปรับปรุงในเรื่องของเวลาตอบสนองและความผิดพลาดของคำ ตัวโมเดลถูกพัฒนาในสภาพแวดล้อมที่มีการแข่งขันสูงเพื่อให้แน่ใจว่ามีประสิทธิภาพการถอดเสียงที่ดีที่สุด
ความสามารถใหม่
Gemini 3.5 Transcribe ยังช่วยให้ผู้ใช้สามารถสั่งงานด้วยเสียงในแอปต่าง ๆ เช่น Google Chrome หรือ Google AI Studio ซึ่งเปิดโอกาสให้การพูดในทุกช่องทางกลายเป็นเรื่องง่าย เพียงแค่พูด คุณก็สามารถแก้ไขข้อผิดพลาดหรือสรุปข้อมูลได้อย่างรวดเร็ว
ที่มา: DeepMind Blog — https://deepmind.google/blog/intelligent-transcription-with-gemini-3-5-transcribe/
Introducing Superior Transcription Performance
Gemini 3.5 Transcribe elevates the standards of transcription, providing an experience unlike any before. This model has been developed to make voice interactions feel natural, handling noise and presenting text that is accurate and beautifully formatted. The model is designed to work on platforms like the Gemini app on macOS and Android.
Key Features
Gemini 3.5 Transcribe comes with a range of features that simplify transcription tasks:
- **Real-time Streaming**: Leverage the Live API to deliver continuous, bidirectional streaming in sub-second latency.
- **Recorded Audio Management**: Allows transcription of meetings, call logs, and more with speaker attribution and timestamps.
- **Smart Transcription**: Handles filler word removal and auto-formats text seamlessly.
- **Global Accuracy**: Supports over 85 languages with diverse dialects and regional accents.
Everyday Applications
Whether using Gboard on Android or working on Google Antigravity, Gemini 3.5 Transcribe enhances your productivity. Its features make it easy to convert speech into text, with capabilities for correcting misspellings and changing writing styles directly with your voice.
Background
Gemini Audio, a development branch under DeepMind, employs cutting-edge AI technology. Designed as a superior replacement for the predecessor, Chirp 3, this model enhances responsiveness and reduces word errors. The model is crafted in a competitive environment to ensure the best transcription efficiency.
New Capabilities
Gemini 3.5 Transcribe allows users to execute voice commands across various apps like Google Chrome or Google AI Studio, enabling seamless communication in any field. Simply by speaking, one can edit errors, summarize data efficiently, and more.
Source: DeepMind Blog — https://deepmind.google/blog/intelligent-transcription-with-gemini-3-5-transcribe/
ที่มา:Source: deepmind.google/blog/intelligent-transcription-with-gemini-3
เกี่ยวกับผู้เผยแพร่About the publisher
- ผู้เขียนAuthor
- Oneable Team
- บริษัทCompany
- Oneable — AI-Powered Software Development Agency
- ความเชี่ยวชาญExpertise
- LLM & RAG, AI Agent, Web/Mobile, MLOps
- ติดต่อContact
- www.oneable.co.th/contact
บทความที่เกี่ยวข้องRelated articles
เครื่องมือปรับปรุงข้อความคอมมิต commit-rewriter 0.1 Introducing commit-rewriter 0.1 for Cleaner Git Commits
AI กับการค้นพบโมเลกุลต้านจุลชีพใหม่ AI Innovations in Discovering New Antimicrobial Molecules
วิธีการประเมินโมเดล LLMs ก่อนการใช้งานจริง Evaluating LLMs: Quick and Effective Methods
ฝึกโมเดลโค้ดให้สร้างภาพสีน้ำด้วย TRL และ OpenEnv Training Models to Create Watercolor Art with TRL & OpenEnv
วิธีประเมิน LLMs ก่อนใช้งานจริงให้ง่ายและรวดเร็ว Effective Methods to Evaluate LLMs Before Deployment
อัพเดทใหม่จาก Microsoft แก้ไขช่องโหว่เกือบพัน Microsoft Sets Record with Major Security Patch Update
