Mô hình
Google ra mắt Gemini 3.5 Transcribe: Mô hình chuyển đổi giọng nói siêu chính xác cho tương tác thời gian thực
(giờ Việt Nam)
Tóm tắt AI
Google DeepMind vừa trình làng Gemini 3.5 Transcribe, mô hình chuyển đổi giọng nói thành văn bản với độ chính xác vượt trội, hỗ trợ hơn 85 ngôn ngữ, nhận diện đa người nói và tùy chỉnh từ vựng linh hoạt.
Bản dịch AI
26 tháng 8, 2026
Mô hình chuyển đổi giọng nói thành văn bản mới nhất của chúng tôi được thiết kế để phiên âm theo thời gian thực một cách chính xác và thông minh.
Diego Melendo Casado
Giám đốc cấp cao, Kỹ thuật, Gemini Audio
Luke Leonhard
Chánh văn phòng, Gemini Audio, thay mặt cho Đội ngũ Gemini Audio
Trình duyệt của bạn không hỗ trợ phần tử âm thanh.
Trình duyệt của bạn không hỗ trợ phần tử âm thanh.
Nghe bài viết
[[duration]] phút
Nội dung này được tạo bởi Google AI. AI tạo sinh là công nghệ thử nghiệm.
Nội dung này được tạo bởi Google AI. AI tạo sinh là công nghệ thử nghiệm.
Hôm nay, chúng tôi giới thiệu Gemini 3.5 Transcribe, mô hình chuyển đổi giọng nói thành văn bản chính xác nhất từ trước đến nay của chúng tôi, được thiết kế cho các tương tác giọng nói thông minh. Không giống như các mô hình nhận dạng giọng nói thông thường vốn gặp khó khăn với tiếng ồn nền, thuật ngữ phức tạp và việc xử lý các đoạn nói ngập ngừng, Gemini 3.5 Transcribe chuyển đổi âm thanh thô trực tiếp thành văn bản chính xác, chỉn chu và được định dạng sẵn.
Trên các sản phẩm của chúng tôi như ứng dụng Gemini và trên Android, chúng tôi đã thấy người dùng được hưởng lợi từ mô hình phiên âm này với các tính năng giọng nói mới như Rambler trên Android và trong ứng dụng Gemini trên macOS. Giờ đây, các nhà phát triển có thể xây dựng các tính năng tương tự với Gemini 3.5 Transcribe trong Gemini API tại Google AI Studio và Gemini Enterprise Agent Platform.
Chúng tôi đã xây dựng 3.5 Transcribe để tích hợp liền mạch vào quy trình làm việc của nhà phát triển, cho dù bạn đang xây dựng các tác nhân giọng nói, công cụ phụ đề thời gian thực hay các quy trình phân tích sau cuộc gọi. Mô hình này hiện có sẵn thông qua hai API riêng biệt:
Nhận bản phiên âm chính xác và thông minh hơn
Gemini 3.5 Transcribe được thiết kế để nắm bắt phong cách nói tự nhiên của bạn nhằm hiểu rõ hơn ý định và nhận diện từ vựng tùy chỉnh, giúp bạn thực hiện các tác vụ bằng giọng nói.
Hiệu suất của Gemini 3.5 Transcribe đại diện cho một bước tiến lớn so với mô hình phiên âm trước đây của chúng tôi là Chirp 3, mang đến những khả năng mới, tỷ lệ lỗi từ (WER) được cải thiện và độ trễ tốt hơn đáng kể. Theo đo lường của Artificial Analysis, thời gian để có bản phiên âm cuối cùng, chẳng hạn, đã cải thiện 70%. Trên tiêu chuẩn FLEURS đối với một loạt các ngôn ngữ và khu vực hàng đầu, mô hình mang lại hiệu suất đa ngôn ngữ chính xác, vượt trội hơn Chirp 3 và đạt tỷ lệ WER 5,50% ở chế độ streaming và 5,04% WER trong các trường hợp sử dụng không phải streaming.
Trải nghiệm phiên âm thông minh và đọc chính tả nâng cao
Ngoài Gemini API trong Google AI Studio và Gemini Enterprise Agent Platform, 3.5 Transcribe còn tiến xa hơn các công cụ chuyển đổi giọng nói thành văn bản tiêu chuẩn để giúp việc làm việc trên Google trở nên tự nhiên và trực quan hơn. Bằng cách đưa khả năng hiểu theo ngữ cảnh trực tiếp vào các giao diện hàng ngày như Gboard, Antigravity, ứng dụng Gemini và Chrome, nó nắm bắt các sắc thái, ý định và các chỉnh sửa nội tuyến một cách dễ dàng.
Đọc các đánh giá ban đầu
Bằng cách tận dụng Gemini Live API, các nền tảng nhà phát triển như Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel và Vision Agents cho phép các nhà phát triển xây dựng và triển khai các giao diện điều khiển bằng giọng nói hiệu suất cao một cách dễ dàng. Các nền tảng này quản lý cơ sở hạ tầng phát trực tuyến phương tiện thời gian thực phức tạp ở phía sau, cho phép các nhà phát triển tập trung hoàn toàn vào việc tạo ra trải nghiệm người dùng.
Các công ty như Vivo, Intellitek Health và Lingopal cũng đã chia sẻ phản hồi tích cực về 3.5 Transcribe, nhấn mạnh độ trễ ấn tượng, độ chính xác và khả năng hỗ trợ ngôn ngữ mở rộng của nó.
Bắt đầu sử dụng 3.5 Transcribe ngay hôm nay
Nhận tin tức mới nhất từ Google trong hộp thư đến của bạn
Đăng ký nhận bản tin của chúng tôi để cập nhật thông tin sản phẩm, sự kiện, ưu đãi đặc biệt và nhiều nội dung khác.
Thông tin của bạn sẽ được sử dụng theo chính sách quyền riêng tư của Google. Bạn có thể hủy đăng ký bất cứ lúc nào.
Bài viết được AI dịch và tổng hợp tự động từ Google DeepMind: Blog. Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.