Google, konuşmaları yazıya dönüştürmek için geliştirdiği Gemini 3.5 Transcribe modelini tanıttı. Şirket, yeni modeli bugüne kadarki en hassas konuşmadan metne dönüştürme sistemi olarak nitelendiriyor. Gemini 3.5 Transcribe, ham ses kaydını yalnızca kelimesi kelimesine aktarmakla kalmıyor, aynı zamanda konuşmayı düzenli ve biçimlendirilmiş bir metne dönüştürüyor. Google’ın açıklamasına göre model, Gemini API ve Google AI Studio üzerinden geliştiricilere de açıldı.
Gemini 3.5 Transcribe, konuşma sırasındaki düzeltmeleri otomatik olarak anlayabiliyor. Örneğin bir kullanıcı, “Salı günü buluşalım, hayır, çarşamba” dediğinde model son metne doğru günü aktarıyor. Ayrıca “ııı” ve “eee” gibi dolgu seslerini kaldırıyor, noktalama işaretlerini ekliyor ve ortaya doğrudan kullanılabilecek bir metin çıkarıyor. Özel kelime dağarcığı desteği ise teknik terimlerin, kişi adlarının ve farklı yazılışlara sahip ifadelerin doğru aktarılmasına yardımcı oluyor.
Google, modelin 85’ten fazla dili otomatik olarak algıladığını belirtiyor. Sistem, bölgesel aksanları ve farklı lehçeleri de tanıyabiliyor, ayrıca konuşma sırasında dil değiştiğinde aktarımı kesmeden sürdürüyor. Önceden kaydedilmiş seslerde üç konuşmacıya kadar konuşmacı ayrımı, zaman damgaları ve kelime düzeyinde zaman bilgisi sunuyor. Üçten fazla konuşmacı desteği ise şimdilik deneysel özellik taşıyor.
İLGİNİZİ ÇEKEBİLİR
Google Gemini’ı hukuk bürolarına taşıdı, işte yapabildikleri
Google Discover akışını artık sohbet ederek değiştirebileceksiniz
ChatGPT’de görev planlamak için artık ücretli abonelik gerekmiyor
Apple, OpenAI davasında deliller için süreyi 30 güne indirmek istiyor
Samsung’un One UI 9.5 için hazırladığı yapay zekâ özelliği ortaya çıktı
Gemini 3.5 Transcribe, Chrome’a da gelecek
Google’ın paylaştığı ölçümlere göre Gemini 3.5 Transcribe, akış hâlindeki seslerde yüzde 4,0, önceden kaydedilmiş seslerde ise yüzde 2,6 ortalama kelime hata oranına ulaşıyor. FLEURS ölçümünde bu oranlar sırasıyla yüzde 5,50 ve yüzde 5,04 seviyesinde gerçekleşiyor. Model, 2025’te tanıtılan Chirp 3 ile karşılaştırıldığında nihai metni yüzde 70 daha kısa sürede hazırlıyor. Google ayrıca sistemin gürültülü ortamlarda posta kodu ve sipariş numarası gibi harf ve rakamlardan oluşan ifadeleri daha doğru yakaladığını aktarıyor.
Yeni model, Android’de Gboard için sunulan Rambler özelliğine ve macOS için Gemini uygulamasına güç veriyor. Rambler, doğal konuşmayı düzenli metne dönüştürürken sesli komutlarla yazım hatalarını düzeltme ve metnin üslubunu değiştirme seçenekleri sunuyor. Gemini’nin macOS uygulaması ise ekran bağlamını kullanarak yerel dosyaları özetleyebiliyor, uygulamalar arasında metinleri yeniden düzenleyebiliyor ve imlecin bulunduğu noktada görsel oluşturabiliyor. Model ayrıca Google Antigravity’nin mikrofon özelliğinde ekran bağlamı ve sohbet geçmişinden yararlanıyor.
Günün Öne Çıkan Fırsatları
REKLAM — Bu içerikte satış ortaklığı bağlantıları bulunmaktadır. Bu bağlantılar üzerinden yapılan alışverişlerden Teknoblog komisyon kazanabilir.
Google, Gemini 3.5 Transcribe desteğini yakında Chrome’a da ekleyecek. Böylece kullanıcılar web sayfalarındaki herhangi bir metin alanına konuşarak yanıt, sosyal medya paylaşımı veya Gemini istemi yazabilecek. Geliştiriciler gerçek zamanlı işlemler için gemini-3.5-transcribe-live, kayıtlı sesler içinse gemini-3.5-transcribe modelini kullanabiliyor. Resmî fiyatlandırmaya göre standart modelin tahmini toplam maliyeti dakikada 0,005 dolar, gerçek zamanlı sürümün maliyeti ise dakikada yaklaşık 0,009 dolar seviyesinde bulunuyor.
