Gemini 3.5 Transcribe vymazal z audia slovní vatu

Google nasazuje aktualizaci Gemini Audio, jejíž hlavní hvězdou je nový model Gemini 3.5 Transcribe. Kromě podpory více než 85 jazyků umí zásadní věc: při přepisu dokáže sám rozeznat a smazat výplňová slova jako „ehm“ nebo „hm“, aniž by rozhodil kontext věty.

Pro editory a asistenty mizí mechanická práce

Každý, kdo někdy přepisoval rozhovor nebo meeting, zná tu fázi ručního prosekávání vaty, aby text dával smysl. Nový model tuhle vrstvu práce škrtá. Umožňuje definovat i vlastní slovník pro specifický žargon, takže se automatika nesplete na odborných termínech, které by jinak mohla považovat za šum.

Čistý text rovnou jako nativní součást API

Zatímco přepis řeči na text už zvládá kdekdo, čistý přepis, který jde rovnou publikovat nebo vložit do zápisu, byl dosud výsadou specializovaných softwarů třetích stran. Google tuhle vrstvu teď balí do jednoho API.

Detekce řečníků funguje jen do tří lidí

Nástroj sice umí rozlišit, kdo právě mluví, ale má to limit. Zvládne spolehlivě přiřadit hlas maximálně třem řečníkům v předem nahraném audiu. Na větší panelové diskuse nebo chaotické porady tak zatím nestačí a bude dál vyžadovat lidskou kontrolu.

Čistota firemních databází určí adopci

O tom, jak rychle se nástroj chytí, rozhodne spolehlivost na lokálních datech. Pokud se ukáže, že Transcribe nemaže s výplní i kusy odborných názvů, stane se neviditelnou součástí každodenního workflow v dalších aplikacích.

Lilithin verdikt

Vyčištěný přepis bez ehmů zní jako banalita, ale v reálu to šetří hodiny na každém podcastu nebo výzkumném rozhovoru.