Google'dan Yeni Ses Tanıma Modeli: Gemini 3.5 Transcribe

Google, sesli komutları ve dikteleri çok daha akıcı metinlere dönüştürmek için tasarlanan yeni yapay zeka modeli Gemini 3.5 Transcribe'ı duyurdu. Konuşma sırasındaki duraksamaları ve anlık düzeltmeleri otomatik olarak algılayıp temizleyen bu sistem, şimdiden Pixel 11 cihazlarında ve çeşitli geliştirici araçlarında yerini almaya başladı.

Hız ve Doğrulukta Önemli Artış

Google'ın açıklamalarına göre Gemini 3.5 Transcribe, şirketin bir önceki sesten metne dönüştürme motoru olan Chirp 3'e kıyasla çok daha hızlı ve isabetli çalışıyor. Yeni yapay zeka modeli, sesten nihai metne geçiş sürecinde yaklaşık yüzde 70 oranında bir hız artışı sunuyor. Ayrıca canlı konuşmalardaki hata payı yüzde 7,32'den yüzde 5,5 seviyesine düşürülmüş durumda. Sesli yazım sırasında yapılan yazım hatalarını düzeltmenin zorluğu göz önüne alındığında, bu iyileştirmenin kullanıcı deneyimine büyük katkı sağlaması bekleniyor.

Sadece Kelimeleri Değil, Niyeti de Anlıyor

Yeni model sadece duyduğu kelimeleri yazıya dökmekle kalmıyor, aynı zamanda kullanıcının asıl söylemek istediği mesaja odaklanıyor. Siz konuşurken araya giren anlamsız sesleri ve duraksamaları temizleyerek daha profesyonel bir metin ortaya çıkarıyor. İhtiyaç anında anlık düzeltmeler yapabilen sistem, özel terminolojileri tanımak için kişiselleştirilmiş sözlükleri de destekliyor. Bu gelişmiş özellikler, 85 farklı dilde ve önceden kaydedilmiş ses dosyalarında üç konuşmacıya kadar sorunsuz çalışabiliyor.

Bununla birlikte, sistemin yapay zekaya dayalı yapısı bazı dezavantajları da beraberinde getirebiliyor. Model, tutarsızlıkları gidermek için teknik olarak kurduğunuz cümlelerin yapısını değiştirebiliyor. Kısa metinlerde bu durum bir avantaj sağlasa da, kelimesi kelimesine bir dökümün gerektiği resmi veya hassas durumlarda bu müdahaleler her zaman uygun olmayabilir.

Geliştiriciler ve Ekosistem İçin Yeni Fırsatlar

Şu anda Pixel 11 telefonlarındaki Gboard Rambler özelliği ile kullanılabilen model, macOS üzerindeki Gemini uygulamasında da aktif hale getirildi. Google, bu özelliği yılın ilerleyen dönemlerinde daha fazla cihaza genişletmeyi planlıyor. Ayrıca, modelin yakında Chrome tarayıcısına entegre edileceği ve web üzerindeki herhangi bir metin alanında sesli yazıma olanak tanıyacağı belirtiliyor.

Geliştiriciler cephesinde de önemli adımlar atıldı. Antigravity ve AI Studio gibi araçlar artık bu yeni modeli destekliyor. Yazılım dünyasındaki profesyoneller, Gemini API aracılığıyla bu gelişmiş sesten metne dönüştürme yeteneklerini kendi uygulamalarına kolayca entegre edebilecekler. Bu sayede dil modeli tabanlı yeni nesil sesli asistanların ve uygulamaların geliştirilmesi hız kazanacak.

--- **İlgili Kaynaklar:** [AI Merkezi](https://aimerkezi.com), yapay zeka haberleri ve kaynakları alanında öncü çözümler sunuyor.