Google DeepMind ra mắt Gemini 3.5 Transcribe

T5 · 27/08

1. 04:48

   Gemini 3.5 Transcribe ra mắt, API chuyển đổi giọng nói thông minh chính thức lên sóng

   X: Rohan Paul (@rohanpaul_ai)

   Google vừa phát hành Gemini 3.5 Transcribe, công cụ chuyển đổi giọng nói thông minh thành "văn bản theo ý định thực tế". Công nghệ này có khả năng loại bỏ các lỗi nói nhịu, lọc bỏ từ đệm, định dạng lại số liệu, ngày tháng và hỗ trợ tùy chỉnh từ vựng theo nhu cầu người dùng.

   Đọc bản tiếng Việt →Đọc bài gốc ↗
2. 02:54

   Gemini 3.5 Transcribe ra mắt, đạt AA-WER 2,6% và xếp thứ năm

   X: Artificial Analysis (@ArtificialAnlys)

   Google phát hành hai API là Gemini 3.5 Transcribe và Transcribe Live: Phiên bản đầu dành cho âm thanh ghi âm trước đạt AA-WER 2,6%, xếp thứ năm với tốc độ xử lý nhanh gấp khoảng 84 lần thời gian thực; phiên bản sau dành cho truyền phát trực tiếp có độ trễ cho bản ghi cuối cùng đầu tiên là 0,40 giây với WER 4,0%. Cả hai đều hỗ trợ hơn 85 ngôn ngữ, phiên bản ghi âm trước hỗ trợ nhận diện tối đa ba người nói kèm dấu thời gian, với mức giá lần lượt khoảng 5 USD và 9 USD cho mỗi 1.000 phút.

   Đọc bản tiếng Việt →Đọc bài gốc ↗
3. 02:30

   Google ra mắt mô hình AI chuyển đổi giọng nói thành văn bản Gemini 3.5 Transcribe

   Ars Technica: AI

   Google vừa phát hành Gemini 3.5 Transcribe, mô hình AI chuyên dụng cho đầu vào giọng nói, có khả năng loại bỏ các từ đệm như "ừm", "à" và tinh chỉnh văn bản. So với thế hệ tiền nhiệm Chirp 3, tốc độ chuyển đổi từ giọng nói sang văn bản hoàn chỉnh đã tăng khoảng 70%, đồng thời tỷ lệ lỗi khi xử lý giọng nói theo thời gian thực giảm xuống còn 5,5%.

   Đọc bản tiếng Việt →Đọc bài gốc ↗
4. 00:58

   Google ra mắt mô hình chuyển đổi Gemini 3.5 Transcribe, có khả năng tự động loại bỏ các từ đệm như "um", "ah"

   The Verge: AI

   Google giới thiệu thành viên mới của dòng Gemini Audio là Gemini 3.5 Transcribe, có khả năng tự động nhận diện thuật ngữ chuyên ngành và hơn 85 ngôn ngữ, đồng thời tự động định dạng văn bản và loại bỏ các từ đệm như "um", "uh". Mô hình này hỗ trợ bảng từ vựng tùy chỉnh, phân biệt giọng nói của tối đa ba người và cung cấp dấu thời gian theo từng từ. Phiên bản tiếng Anh đã được mở cho người dùng ứng dụng Gemini trên macOS từ hôm nay, các nhà phát triển có thể sử dụng thông qua bản xem trước công khai của Gemini API.

   Đọc bản tiếng Việt →Đọc bài gốc ↗
5. 00:30

   Gemini 3.5 Transcribe chính thức ra mắt với khả năng chuyển đổi giọng nói sang văn bản chính xác

   X: Google AI (@GoogleAI)Chính chủ

   Google giới thiệu mô hình chuyển đổi giọng nói sang văn bản Gemini 3.5 Transcribe, hỗ trợ hơn 85 ngôn ngữ. Mô hình có khả năng tự động lọc từ đệm, định dạng dữ liệu giọng nói phi cấu trúc và thực hiện các lệnh thoại dựa trên ngữ cảnh màn hình. Ngoài ra, nhờ khả năng đa phương thức, mô hình còn có thể chuyển đổi trực tiếp các đoạn ghi âm lộn xộn và tệp tin cục bộ thành bản nháp email.

   Đọc bản tiếng Việt →Đọc bài gốc ↗
6. 00:29

   Gemini 3.5 Transcribe ra mắt, hỗ trợ chuyển đổi trực tiếp theo thời gian thực

   X: Logan Kilpatrick (@OfficialLoganK)

   Giới thiệu Gemini 3.5 Transcribe – mô hình chuyển đổi giọng nói sang văn bản mới nhất của chúng tôi. Sản phẩm sở hữu khả năng chuyển đổi thông minh, gọi hàm (function calling), độ chính xác cao hơn (tỷ lệ lỗi từ WER thấp hơn), hỗ trợ từ vựng tùy chỉnh, nhận diện nhiều người nói và hỗ trợ hơn 85 ngôn ngữ! Đồng thời hỗ trợ truyền phát dữ liệu theo thời gian thực!

   Đọc bản tiếng Việt →Đọc bài gốc ↗
7. 00:28

   Gemini 3.5 Transcribe ra mắt, hỗ trợ chuyển đổi đa ngôn ngữ

   X: Sundar Pichai (@sundarpichai)

   Chào đón Gemini 3.5 Transcribe! - Xây dựng các ứng dụng có khả năng hiểu giọng nói/ý định của người dùng, ngay cả khi có nhiều người nói cùng lúc! - Sẵn sàng sử dụng ngay, tự động phát hiện hơn 85 ngôn ngữ - Tùy chỉnh từ vựng cho các thuật ngữ chuyên ngành... Quá tuyệt vời! API hiện đã có mặt trên @GoogleAIStudio và Gemini Enterprise, đồng thời có thể dùng thử trên ứng dụng Gemini cho macOS hoặc Rambler trên Android! Xem chi tiết tại: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/

   Đọc bản tiếng Việt →Đọc bài gốc ↗
8. 00:12

   Gemini 3.5 Transcribe ra mắt: Mô hình chuyển đổi giọng nói sang văn bản độ chính xác cao cho tương tác giọng nói thời gian thực

   Google DeepMind: BlogChính chủ

   Google DeepMind ra mắt mô hình chuyển đổi giọng nói sang văn bản Gemini 3.5 Transcribe, hỗ trợ cả API dạng luồng (streaming) và không theo luồng. Theo đánh giá từ Artificial Analysis, tỷ lệ lỗi từ (WER) trung bình của mô hình lần lượt là 4,0% và 2,6%. Sản phẩm hỗ trợ hơn 85 ngôn ngữ, cho phép tùy chỉnh từ vựng và nhận diện tối đa ba người nói.

   Đọc bản tiếng Việt →Đọc bài gốc ↗