KI SpotlightNewsGoogle DeepMind stellt Gemini 3.5 Transcribe vor
Neues Speech-to-Text-Modell wandelt Rohaudio direkt in formatierten Text um und verbessert Sprachfunktionen wie Rambler.
Mit KI erstellt◆ Fakten auf einen Blick
- Google DeepMind hat Gemini 3.5 Transcribe eingeführt.
- Gemini 3.5 Transcribe ist ein Speech-to-Text-Modell, das für intelligente Sprachinteraktionen entwickelt wurde.
- Gemini 3.5 Transcribe wandelt Rohaudio direkt in formatierten Text um.
- Gemini 3.5 Transcribe wird bereits in Produkten wie der Gemini-App und auf Android eingesetzt, z.B. für die neue Sprachfunktion Rambler.
Google DeepMind präsentiert Gemini 3.5 Transcribe
Google DeepMind hat heute das Speech-to-Text-Modell Gemini 3.5 Transcribe vorgestellt. Nach Herstellerangaben handelt es sich um das bisher präziseste Modell dieser Art, weil es Rohaudio direkt in formatierten Text umwandelt, ohne dass separate Schritte zur Rauschunterdrückung oder Textbereinigung nötig sind. Herkömmliche Spracherkennungsmodelle haben oft Schwierigkeiten mit Hintergrundgeräuschen wie Verkehr oder Gesprächen im Raum, mit komplexem Fachjargon aus Medizin, Recht oder Technik sowie mit der Bereinigung von Sprachfehlern wie Versprechern oder Füllwörtern. Gemini 3.5 Transcribe bewältigt diese Herausforderungen laut Google DeepMind besser, indem es die Audioeingabe direkt in einen sauberen, formatierten Text überführt, was die Wortfehlerrate senken und die Latenz verringern soll, auch wenn der Hersteller keine konkreten Vergleichszahlen nennt. Der Ansatz des End-to-End-Trainings ermöglicht es dem Modell, den gesamten Kontext der Aufnahme zu berücksichtigen und so auch bei schwierigen Bedingungen präzise Ergebnisse zu liefern. Damit eignet es sich für intelligente Sprachinteraktionen, bei denen Genauigkeit und Geschwindigkeit entscheidend sind.
Einsatz in Gemini-App und Android: Rambler nutzt neue Spracherkennung
Gemini 3.5 Transcribe wird bereits in Produkten wie der Gemini-App und auf Android eingesetzt. Ein konkretes Beispiel ist die neue Sprachfunktion Rambler, die auf Android und in der Gemini-App verfügbar ist. Laut Hersteller profitieren Verbraucher bereits von dem Transkriptionsmodell durch neue Sprachfunktionen wie Rambler. Das Modell ist für intelligente Sprachinteraktionen entwickelt worden. Nutzer erhalten dadurch präzisere Transkriptionen, die weniger manuelle Nachbearbeitung erfordern, und zuverlässigere Spracherkennung auch in lauten Umgebungen oder bei Fachgesprächen. Die direkte Umwandlung von Rohaudio in formatierten Text spart Zeit und reduziert Fehler, was insbesondere bei Diktaten, Notizen oder der Bedienung per Sprache einen deutlichen Mehrwert bietet.
