Google lance Gemini 3.5 Transcribe, un nouveau modèle de transcription vocale basé sur son architecture Gemini 3.5, promettant une précision et une rapidité accrues.
Ce modèle avancé est conçu pour convertir l’audio en texte avec une grande fidélité, même dans des environnements complexes. Il excelle dans la gestion des bruits de fond, des accents variés et des conversations à plusieurs interlocuteurs, grâce à sa capacité de diarisation des locuteurs.
Gemini 3.5 Transcribe prend en charge plus de 100 langues et intègre automatiquement la ponctuation, les majuscules et les horodatages au niveau du mot. Ces fonctionnalités le rendent particulièrement utile pour la création de résumés de réunions, l’édition de contenu multimédia ou l’amélioration de l’accessibilité.
Google indique que ce modèle surpasse ses prédécesseurs et les solutions concurrentes lors de tests internes. Il est désormais accessible aux clients de Google Cloud via l’API Speech-to-Text, ouvrant de nouvelles perspectives pour l’analyse vocale et l’automatisation des tâches linguistiques.
L’intégration de cette technologie pourrait transformer la manière dont les entreprises et les créateurs gèrent et exploitent les données audio.
Source : Hacker News (Algolia)