Google Rilis Gemini 3.5 Transcribe, AI Bisa Pahami Ucapan dan Rapikan Teks - Kompas

Berbeda dari teknologi speech-to-text konvensional yang hanya menyalin ucapan, Gemini 3.5 Transcribe diklaim dapat memahami inti pembicaraan.

Model AI ini bahkan diklaim bisa menghilangkan kata-kata pengisi seperti "ehm" atau "eee" yang biasanya muncul ketika seseorang berbicara.

Google mengatakan, model baru ini memiliki kecepatan dan akurasi lebih baik dibandingkan model speech-to-text sebelumnya, Chirp 3.

Gemini 3.5 Transcribe mampu memproses suara menjadi teks akhir sekitar 70 persen lebih cepat dibandingkan Chirp 3.

Baca juga: AI Bikin Kerja Lebih Cepat, Bos Meta Minta Karyawan Kerja Lebih Banyak

Model tersebut juga memiliki tingkat kesalahan sebesar 5,5 persen pada percakapan langsung (live speech). Angka itu lebih rendah dibandingkan Chirp 3 yang memiliki tingkat kesalahan 7,32 persen berdasarkan pengukuran Google.

Selain mentranskripsi ucapan, Gemini 3.5 Transcribe juga dapat melakukan penyuntingan secara langsung ketika pengguna mengoreksi perkataannya.

Model ini juga mendukung penggunaan kosakata khusus yang ditentukan pengguna. Fitur tersebut dapat membantu ketika transkripsi berisi istilah teknis atau jargon tertentu.

Google mengatakan Gemini 3.5 Transcribe mendukung 85 bahasa dan dapat mengenali percakapan yang melibatkan hingga tiga pembicara dalam satu rekaman audio.

Sudah dipakai di Gboard

AI Gemini 3.5 Transcribe saat ini sudah digunakan pada fitur Rambler di aplikasi keyboard Gboard. Namun, fitur tersebut baru tersedia pada perangkat Pixel 11.

Google berencana memperluas ketersediaan Rambler ke lebih banyak perangkat yang dilengkapi kemampuan Gemini pada akhir tahun ini.

Selain itu, pengguna aplikasi Gemini di macOS juga mulai mendapatkan manfaat dari model Gemini 3.5 Transcribe untuk input suara.

Google juga membuka akses Gemini 3.5 Transcribe bagi pengembang melalui sejumlah layanan, dirangkum KompasTekno dari blog resmi Google. 

Baca juga: Tak Bisa Melihat, Pemuda Ini Bikin AI yang Bisa Ceritakan Dunia di Sekitarnya

Model tersebut mulai tersedia di Antigravity dan AI Studio. Pengembang juga dapat mengaksesnya melalui Gemini API untuk memasukkan kemampuan voice-to-text berbasis AI ke dalam aplikasi mereka.

Ke depan, Google berencana membawa kemampuan transkripsi tersebut ke peramban Chrome.

Integrasi ini memungkinkan pengguna untuk memanfaatkan input suara untuk mengisi berbagai kolom teks di web, seperti menulis e-mail, komentar, atau memberikan perintah kepada chatbot AI.

Saudara-saudara kita di Nusa Tenggara Timur tengah dirundung duka karena gempa M 7,7. Mari kita mengulurkan tangan untuk membantu meringankan beban yang sedang mereka hadapi. Kirim bantuan Anda melalui tautan https://bit.ly/BantuWargaNTT

China Diduga Curi Ilmu AI Amerika Serikat untuk Latih Drone hingga Kapal Perang