Google, sesli konuşmaları metne dönüştürme deneyimini geliştirmek amacıyla yeni yapay zeka modeli Gemini 3.5 Transcribe modelini duyurdu. Yeni model; konuşmaları daha hızlı yazıya aktarmanın yanı sıra gereksiz ifadeleri temizleyerek, kullanıcıların daha düzenli ve anlaşılır metinler elde etmesini hedefliyor.
Sesli giriş teknolojilerinin günlük hayatın önemli bir parçası haline gelmesiyle birlikte, konuşmaların yalnızca doğru şekilde algılanması değil, ortaya çıkan metnin kullanılabilir olması da önem kazanıyor. Google’ın yeni modeli bu noktada, sesli veriyi analiz ederek daha akıcı bir metin oluşturmayı amaçlıyor.
Gemini 3.5 Transcribe Daha Hızlı Çalışıyor
Google’ın önceki sesli metin dönüştürme teknolojisi Chirp 3 ile karşılaştırıldığında Gemini 3.5 Transcribe önemli performans artışları sunuyor. Şirketin paylaştığı verilere göre yeni model, sesli verinin nihai metne dönüştürülmesi aşamasında Chirp 3’e kıyasla yaklaşık yüzde 70 daha yüksek hız sağlayabiliyor.
Modelin dikkat çeken özelliklerinden biri de konuşma sırasında ortaya çıkan hataları azaltması. Canlı konuşmalardaki hata oranının yüzde 5,5 seviyesine kadar düştüğü belirtilirken, Chirp 3’te bu oranın yüzde 7,32 olduğu ifade ediliyor.
Bu gelişme, özellikle hızlı şekilde not almak veya konuşmayı anlık olarak metne dönüştürmek isteyen kullanıcılar açısından önem taşıyor. Daha düşük hata oranı sayesinde kullanıcıların ortaya çıkan metni sonradan düzeltmek için harcadığı zamanın da azalması hedefleniyor.
Gereksiz İfadeler Otomatik Olarak Temizleniyor
Gemini 3.5 Transcribe yalnızca konuşulan kelimeleri metne aktarmakla sınırlı kalmıyor. Model, konuşmanın bağlamını analiz ederek daha temiz ve okunabilir bir metin oluşturabiliyor.
Konuşma sırasında sıkça kullanılan “ıı”, “eee” gibi dolgu ifadeleri sistem tarafından otomatik olarak tespit edilerek metinden çıkarılabiliyor. Böylece doğal konuşma akışından kaynaklanan gereksiz bölümler temizlenerek daha profesyonel bir çıktı elde edilebiliyor.
Model, konuşmacının kendisini düzelttiği durumları da dikkate alabiliyor. Kullanıcı bir kelimeyi yanlış söyleyip ardından düzeltme yaptığında, metnin buna göre düzenlenebilmesi amaçlanıyor. Bunun yanında belirli alanlarda kullanılan özel terimler ve kelimeler için tanımlanmış sözlüklerin dikkate alınabilmesi de modelin kullanım alanlarını genişletiyor.
Bu özellikler sayesinde kullanıcıların konuşma sırasında durup metni düzeltmesine gerek kalmadan daha düzenli bir çıktı elde etmesi mümkün hale geliyor.
Pixel 11 ve Gboard Rambler ile Kullanılıyor
Google’ın yeni sesli metin teknolojisi halihazırda Pixel 11 cihazlarda kullanılan Gboard Rambler özelliğinde aktif olarak yer alıyor. Şirket, Gemini 3.5 Transcribe modelinin zaman içerisinde daha geniş bir Google ekosistemine yayılacağını belirtiyor.
Sesli giriş sistemlerinin klavye deneyiminin önemli bir parçası haline gelmesi, bu tür yapay zeka modellerinin önemini de artırıyor. Özellikle mobil cihazlarda uzun metinleri yazmak yerine konuşarak oluşturmak isteyen kullanıcılar için daha hızlı ve temiz bir dönüşüm deneyimi sunulması hedefleniyor.
85 Farklı Dil Desteği Sunuyor
Gemini 3.5 Transcribe, geniş dil desteğiyle de dikkat çekiyor. Modelin dünya genelinde 85 farklı dili desteklediği belirtiliyor. Bu durum, teknolojinin farklı ülkelerdeki kullanıcılar tarafından kullanılabilmesine olanak sağlıyor.
Önceden kaydedilmiş ses dosyalarında ise sistem aynı anda üç farklı konuşmacıyı birbirinden ayırt edebiliyor. Özellikle toplantılar, röportajlar ve birden fazla kişinin yer aldığı konuşmalar açısından bu özellik önemli bir kullanım alanı oluşturuyor.
Bununla birlikte modelin konuşmaları daha akıcı hale getirmek için bazı ifadeleri temizlemesi her senaryo için ideal olmayabilir. Özellikle hukuki, akademik veya teknik içeriklerde konuşulan ifadelerin mümkün olduğunca kelimesi kelimesine korunması gerekebilir. Bu nedenle yapay zekanın metni düzenleme özelliklerinin kullanım amacına göre değerlendirilmesi önem taşıyor.
Sesli Not Alma Deneyimi Değişebilir
Google’ın Gemini 3.5 Transcribe modeliyle hedeflediği temel noktalardan biri, sesli girişleri yalnızca bir dikte yöntemi olmaktan çıkararak daha kullanışlı bir metin oluşturma aracına dönüştürmek.
Toplantı notları, sesli mesajlar, hızlı fikir kayıtları ve günlük notlar gibi farklı kullanım alanlarında konuşmanın doğrudan düzenli bir metne dönüşmesi zaman kazandırabilir. Özellikle uzun konuşmaların manuel olarak düzenlenmesiyle karşılaştırıldığında otomatik temizleme ve düzeltme özellikleri kullanıcıların iş yükünü azaltabilir.
Google’ın yeni modeli, yapay zekanın sesli giriş teknolojileriyle daha yakından bütünleştiği bir dönemin de işaretlerinden biri olarak öne çıkıyor. Gemini 3.5 Transcribe’ın daha geniş Google ürünlerine ulaşmasıyla birlikte, sesli komut ve dikte özelliklerinin günlük kullanımda daha kapsamlı hale gelmesi bekleniyor.