Google a anunțat Gemini 3.5 Transcribe, un model construit special pentru voce, care transformă dictarea într-un text deja curățat de ezitări, de reluări și de corecturile pe care le faci din mers. Motorul rulează de câteva săptămâni în spatele funcției Rambler din Gboard pe Pixel 11, iar de acum începe să se extindă în restul ecosistemului companiei.
Momentul anunțului este neobișnuit: ramura 3.5 primește un membru nou înainte ca Gemini 3.5 Pro, modelul pe care îl așteaptă toată industria, să aibă măcar o dată de lansare. Google preferă deocamdată să livreze un model îngust, dar folosit de foarte multă lume, pentru că dictarea rămâne una dintre cele mai banale și mai frecvente interacțiuni cu un telefon.
Gemini 3.5 Transcribe este cu 70% mai rapid decât Chirp 3
Potrivit datelor comunicate de Google, drumul de la sunet la textul finalizat se scurtează cu aproximativ 70% față de Chirp 3, motorul de voce-la-text folosit până acum de companie. Rata de eroare pentru vorbirea în timp real coboară la 5,5%, în vreme ce Chirp 3 era măsurat de Google la 7,32%.
Distanța dintre cele două procente pare modestă pe hârtie, însă se simte imediat în utilizare: corectarea manuală a greșelilor de transcriere este exact partea care anulează avantajul de viteză al dictării. Câștigul real nu vine, deci, din acuratețea brută, ci din faptul că textul iese gata de trimis.
Nu doar transcrie, ci rescrie
Diferența de concept față de motoarele clasice de recunoaștere vocală este că Gemini 3.5 Transcribe încearcă să prindă intenția, nu doar sunetele. În timp ce vorbești, modelul elimină „ăăă”-urile și „hmm”-urile, rescrie fraza dacă te corectezi pe parcurs și poate consulta un vocabular personalizat pentru ceea ce Google numește „jargon specializat”.
Funcția este disponibilă în 85 de limbi, iar în cazul fișierelor audio preînregistrate poate separa până la trei vorbitori diferiți.
Unde funcționează deja și unde urmează
Rambler din Gboard rămâne deocamdată exclusivitate pentru seria Pixel 11, dar Google spune că va extinde funcția către „mai multe dispozitive Gemini Intelligence” până la finalul acestui an. Aplicația Gemini pentru macOS primește noul motor de dictare începând de astăzi.
Ce primesc dezvoltatorii
Dezvoltatorii sunt, de fapt, cei care primesc cel mai mult. Antigravity capătă modelul cu acces la contextul de pe ecran și la istoricul conversațiilor, dacă utilizatorul își dă permisiunea. Modelul de build din AI Studio îl folosește pentru dictare optimizată pentru scrierea de cod, iar accesul direct se face prin Gemini API.
Integrarea în Chrome
Pasul cu adevărat important urmează însă în Chrome. Google promite integrarea „în curând”, iar atunci dictarea AI ar deveni disponibilă în orice câmp de text din browser, de la formulare și e-mailuri până la prompturile pentru alte chatboturi.
Partea incomodă: modelul îți schimbă cuvintele
Avantajul este și riscul. Un text curățat automat este un text în care algoritmul a decis ce ai vrut să spui. Ryan Whitwam, jurnalistul de la Ars Technica care a testat Rambler, notează că rezultatele sunt bune pe blocuri scurte de text, dar avertizează că „AI-ul schimbă efectiv formularea”.
Pentru notițe personale sau mesaje rapide, diferența este irelevantă. Pentru declarații, note medicale, procese-verbale sau orice text în care formularea exactă are valoare juridică, o transcriere „îmbunătățită” devine o problemă, nu o soluție. Un buton pentru transcrierea brută, verbatim, ar fi fost bine-venit.
De ce contează mutarea
Google împinge de mai bine de un an vocea ca interfață principală pentru asistentul său, iar Gemini a devenit cel mai rapid produs din istoria companiei care ajunge la un miliard de utilizatori. Aceeași logică se vede și în Gemini Live, care acceptă comenzi de tip Deep Research prin voce: comanda vorbită devine punctul de intrare implicit.
Cum stă concurența
Concurența merge în aceeași direcție. Apple a mutat dictarea din iOS pe modele care rulează local, pe dispozitiv, iar OpenAI oferă transcriere prin API încă din 2023, cu familia Whisper. Diferența pe care o joacă Google este distribuția: Gboard, Chrome și Android acoperă împreună câteva miliarde de dispozitive active, iar un motor de dictare bun ajunge la utilizatori fără ca aceștia să instaleze nimic.
Ce rămâne neclar
Google nu a precizat dacă transcrierea se face pe dispozitiv sau în cloud pentru fiecare produs în care apare modelul, nici cum se comportă rata de eroare pe limbile mai puțin folosite din cele 85 anunțate. De asemenea, lista completă a dispozitivelor „Gemini Intelligence” care vor primi Rambler nu a fost publicată.
Surse: Ars Technica și Google AI Studio.
