Gemini 3.5 Transcribe menjadi teknologi kecerdasan buatan terbaru Google yang berfokus pada pengolahan ucapan menjadi teks. Google membekali model tersebut dengan kemampuan memahami percakapan sekaligus menghasilkan transkripsi yang lebih rapi, bukan sekadar memindahkan setiap kata dari audio ke dalam bentuk tulisan.
Kehadiran teknologi ini memperlihatkan langkah Google dalam mengembangkan sistem input suara yang semakin praktis. Pengguna tidak hanya membutuhkan hasil transkripsi yang cepat, tetapi juga teks yang mudah dibaca dan dapat langsung mereka gunakan untuk berbagai keperluan.
Salah satu kemampuan yang Google tonjolkan terletak pada cara model AI tersebut menangani ucapan spontan. Ketika berbicara, seseorang sering mengeluarkan kata pengisi seperti “ehm” atau “eee”. Gemini 3.5 Transcribe dapat mengenali unsur semacam itu dan menghilangkannya sehingga hasil akhir terlihat lebih bersih.
Gemini 3.5 Transcribe Lebih Cepat dari Chirp 3
Google membandingkan performa model barunya dengan Chirp 3, teknologi speech-to-text generasi sebelumnya. Berdasarkan pengujian perusahaan, Gemini 3.5 Transcribe mampu menyelesaikan pemrosesan audio menjadi teks akhir sekitar 70 persen lebih cepat.
Selain mengejar kecepatan, Google juga meningkatkan tingkat ketepatan transkripsi. Dalam pengujian terhadap percakapan langsung atau live speech, Gemini 3.5 Transcribe mencatat tingkat kesalahan sebesar 5,5 persen.
Sebagai perbandingan, Google mencatat tingkat kesalahan Chirp 3 sebesar 7,32 persen. Selisih tersebut menunjukkan peningkatan kemampuan model baru dalam mengenali ucapan dan mengubahnya menjadi tulisan secara akurat.
Kecepatan pemrosesan berpotensi memainkan peran penting ketika pengguna membutuhkan transkripsi secara langsung. Teknologi semacam ini dapat menunjang aktivitas yang mengandalkan input suara tanpa membuat pengguna menunggu terlalu lama untuk mendapatkan teks akhir.
Bisa Mengikuti Koreksi Saat Pengguna Berbicara
Kemampuan Gemini 3.5 Transcribe tidak berhenti pada proses mengubah suara menjadi tulisan. Google juga merancang model ini agar mampu menangani perubahan ucapan ketika pengguna memperbaiki perkataannya secara langsung.
Fungsi tersebut membuat sistem dapat menyesuaikan hasil teks dengan konteks pembicaraan terbaru. Dengan demikian, pengguna tidak harus selalu melakukan penyuntingan manual setelah menyelesaikan input suara.
Google turut menyediakan dukungan terhadap kosakata khusus yang dapat pengguna tentukan. Kemampuan tersebut memiliki manfaat ketika seseorang banyak menggunakan istilah yang tidak umum dalam percakapan sehari-hari.
Sebagai contoh, pekerjaan yang berkaitan dengan teknologi, ilmu pengetahuan, industri, atau bidang profesional lainnya sering melibatkan jargon tertentu. Pengguna dapat memanfaatkan dukungan kosakata khusus untuk membantu sistem mengenali istilah semacam itu dengan lebih tepat.
Mendukung 85 Bahasa dan Tiga Pembicara
Google memperluas cakupan Gemini 3.5 Transcribe melalui dukungan terhadap 85 bahasa. Kemampuan multibahasa tersebut membuka peluang pemanfaatan model AI ini untuk pengguna dari berbagai wilayah.
Model tersebut juga dapat mengenali percakapan yang melibatkan maksimal tiga orang dalam satu rekaman audio. Fitur ini dapat membantu proses pengolahan percakapan dengan beberapa pembicara tanpa mengandalkan sistem transkripsi yang hanya berfokus pada satu suara.
Kombinasi kemampuan memahami percakapan, menghapus kata pengisi, menangani koreksi ucapan, serta mengenali beberapa pembicara menunjukkan bahwa Google ingin membawa teknologi speech-to-text melampaui fungsi dikte sederhana.
Google merilis model AI Gemini 3.5 Transcribe. AI ini bisa mengubah suara menjadi teks sekaligus memperbaiki teks tersebut.
Google Mulai Memakainya di Gboard
Google tidak hanya memperkenalkan Gemini 3.5 Transcribe sebagai sebuah model AI. Perusahaan tersebut sudah memanfaatkan teknologinya untuk mendukung Rambler, fitur yang tersedia dalam aplikasi keyboard Gboard.
Untuk sementara, Google menyediakan Rambler pada perangkat Pixel 11. Perusahaan berencana membawa fitur tersebut ke lebih banyak perangkat yang mendukung kemampuan Gemini pada akhir tahun ini.
Ekspansi tersebut berpotensi memperluas penggunaan input suara dalam aktivitas sehari-hari. Pengguna dapat memanfaatkan suara sebagai alternatif mengetik ketika membuat pesan atau memasukkan teks melalui perangkat yang mendukung fitur terkait.
Google juga mulai menghadirkan manfaat Gemini 3.5 Transcribe kepada pengguna aplikasi Gemini di macOS. Model tersebut membantu sistem memproses input suara yang pengguna berikan melalui aplikasi.
Pengembang Bisa Mengakses Gemini 3.5 Transcribe
Google turut membuka teknologi transkripsi terbarunya kepada kalangan pengembang. Perusahaan menyediakan Gemini 3.5 Transcribe melalui Antigravity dan AI Studio.
Selain kedua layanan tersebut, pengembang dapat mengakses model melalui Gemini API. Akses ini memungkinkan developer menambahkan kemampuan voice-to-text berbasis kecerdasan buatan ke aplikasi atau layanan yang mereka kembangkan.
Dukungan API memperluas potensi penggunaan model di luar produk buatan Google. Pengembang dapat mengintegrasikan kemampuan transkripsi ke berbagai jenis aplikasi yang membutuhkan pengenalan ucapan, selama implementasinya mendukung kebutuhan layanan tersebut.
Chrome Akan Mendapat Kemampuan Input Suara
Google juga menyiapkan ekspansi Gemini 3.5 Transcribe ke browser Chrome. Rencana integrasi tersebut dapat membuat input berbasis suara tersedia lebih luas ketika pengguna beraktivitas melalui situs web.
Nantinya, pengguna dapat memanfaatkan suara untuk memasukkan tulisan ke berbagai kolom teks di browser. Skenario penggunaannya antara lain menyusun e-mail, menulis komentar, hingga memberikan instruksi kepada chatbot berbasis AI.
Langkah tersebut memperlihatkan arah pengembangan Google terhadap teknologi pengenalan suara. Perusahaan tidak lagi hanya mengejar kemampuan mengubah audio menjadi teks, tetapi juga berusaha membuat hasil transkripsi lebih siap digunakan.
Dengan dukungan 85 bahasa, pengenalan hingga tiga pembicara, kosakata khusus, koreksi ucapan secara langsung, serta pemrosesan yang Google klaim lebih cepat dibandingkan Chirp 3, Gemini 3.5 Transcribe berpotensi memperluas penggunaan perintah suara di berbagai produk dan aplikasi. Rencana integrasi ke Chrome juga dapat membuat teknologi transkripsi berbasis AI semakin dekat dengan aktivitas digital sehari-hari.
