Η Google παρουσιάζει Gemini 3.5 Transcribe, 70% ταχύτερο

Η Google παρουσίασε το Gemini 3.5 Transcribe, ένα νέο μοντέλο φωνής-σε-κείμενο που μετατρέπει την ομιλία σε πιο επιμελημένο γραπτό αποτέλεσμα. Αντί να καταγράφει απλώς κάθε λέξη, μπορεί να αφαιρεί λεκτικούς δισταγμούς όπως τα «εε», να αναγνωρίζει διορθώσεις που κάνει ο χρήστης καθώς μιλά και να παραδίδει ένα πιο στρωτό κείμενο.

Σύμφωνα με τις μετρήσεις της Google, το Gemini 3.5 Transcribe είναι περίπου 70% ταχύτερο από την προηγούμενη μηχανή Chirp 3 στη διαδρομή από την ομιλία έως το τελικό μεταγραμμένο κείμενο. Το ποσοστό σφαλμάτων στη ζωντανή ομιλία έχει περιοριστεί στο 5,5%, έναντι 7,32% για το Chirp 3. Η μεγαλύτερη διαφορά εντοπίζεται επομένως στην ταχύτητα, ενώ η βελτίωση της ακρίβειας είναι μικρότερη αλλά μετρήσιμη.

Το μοντέλο δεν περιορίζεται στην αφαίρεση άβολων παύσεων και ήχων. Μπορεί επίσης να τροποποιεί το κείμενο κατά τη διάρκεια της υπαγόρευσης, όταν ο ομιλητής διορθώνει όσα μόλις είπε, και να χρησιμοποιεί προσαρμοσμένο λεξιλόγιο για εξειδικευμένη ορολογία. Υποστηρίζει συνολικά 85 γλώσσες, καθώς και έως τρεις ομιλητές όταν επεξεργάζεται προηχογραφημένο υλικό.

Η αυτοματοποιημένη επιμέλεια συνοδεύεται πάντως από έναν σαφή περιορισμό: το AI αλλάζει τεχνικά τη διατύπωση της αρχικής ομιλίας. Η δυνατότητα μπορεί να διευκολύνει τη σύνταξη σύντομων κειμένων ή μηνυμάτων, αλλά δεν είναι απαραίτητα κατάλληλη για περιπτώσεις στις οποίες απαιτείται πιστή καταγραφή των ακριβών λέξεων του ομιλητή.

Το Gemini 3.5 Transcribe χρησιμοποιείται ήδη από το Rambler στο Gboard, το οποίο προς το παρόν περιορίζεται στα Pixel 11. Η Google σχεδιάζει να επεκτείνει το Rambler σε «περισσότερες συσκευές Gemini Intelligence» αργότερα μέσα στο 2026. Από τις 26 Αυγούστου 2026, το νέο μοντέλο αξιοποιείται επίσης για τη φωνητική εισαγωγή στην εφαρμογή Gemini για macOS.

Η διάθεση καλύπτει και εργαλεία για developers. Το Antigravity αποκτά το μοντέλο με πρόσβαση, κατόπιν άδειας, στο περιεχόμενο της οθόνης και στο ιστορικό συνομιλιών.

Για όσους δεν χρησιμοποιούν τις συγκεκριμένες εφαρμογές, τα εργαλεία ή το Pixel 11, η ευρύτερη διάθεση δεν έχει ακόμη ολοκληρωθεί. Η Google αναφέρει ότι το Gemini 3.5 Transcribe θα προστεθεί «σύντομα» στο Chrome, ώστε η φωνητική εισαγωγή να λειτουργεί σε οποιοδήποτε πεδίο κειμένου στον browser, χωρίς όμως να δίνει συγκεκριμένη ημερομηνία κυκλοφορίας.

Η σύνταξη του άρθρου υποστηρίχθηκε από εργαλεία AI και το περιεχόμενο ελέγχθηκε σύμφωνα με τη συντακτική πολιτική του TechitNews.