Google เปิดตัว Gemini 3.5 Transcribe โมเดลแปลงเสียงเป็นข้อความอัจฉริยะ รองรับ 85 ภาษาพร้อมประมวลผลความหน่วงต่ำ

Gemini 3.5 Transcribe โมเดลสั่งงานด้วยเสียงรุ่นใหม่จาก Google ชูจุดเด่นความแม่นยำสูงและรองรับ 85 ภาษาแบบเรียลไทม์

Google เผยโฉม Gemini 3.5 Transcribe โมเดลแปลงเสียงเป็นข้อความรุ่นใหม่ ออกแบบมาเพื่อการโต้ตอบด้วยเสียงที่มีความแม่นยำสูง โมเดลเปลี่ยนสัญญาณเสียงดิบเป็นข้อความที่จัดรูปแบบเรียบร้อยทันที ระบบช่วยจัดการเสียงรบกวนรอบข้าง คำศัพท์เฉพาะทาง พร้อมตัดคำขยะอัตโนมัติ

นักพัฒนาสามารถนำ Gemini 3.5 Transcribe ใช้งานผ่าน Gemini API บน Google AI Studio และ Gemini Enterprise Agent Platform การทำงานแบ่งเป็นรูปแบบ Real-time streaming (ระบบสตรีมมิงแบบเรียลไทม์) ผ่าน gemini-3.5-transcribe-live มีความหน่วงต่ำระดับมิลลิวินาที และ Pre-recorded audio processing (ระบบประมวลผลไฟล์เสียงบันทึกล่วงหน้า) ผ่าน gemini-3.5-transcribe รองรับการระบุตัวผู้พูดและเวลาของแต่ละคำ

ความสามารถหลักของโมเดลครอบคลุมการรองรับภาษามากกว่า 85 ภาษาทั่วโลก พร้อมจัดการสำเนียงท้องถิ่น ระบบจดจำคำศัพท์เฉพาะทางและทำหน้าที่เรียกใช้งานฟังก์ชันอื่นเพื่อส่งต่อภาระงานซับซ้อน เช่น การสร้างภาพหรือวิเคราะห์ไฟล์ ไปยังโมเดลตระกูล Gemini ตัวอื่น ผลการทดสอบจาก Artificial Analysis พบอัตราความผิดพลาดของคำต่ำเพียง 4.0 เปอร์เซ็นต์ในรูปแบบสตรีมมิง และ 2.6 เปอร์เซ็นต์ในรูปแบบไฟล์บันทึก

ระบบนำไปบูรณาการร่วมกับผลิตภัณฑ์อื่นอย่าง Gboard บน Android ผ่านฟีเจอร์ Rambler ช่วยแก้ไขคำผิดและปรับสไตล์การเขียนด้วยเสียง ใช้งานบน Google Antigravity ร่วมกับบริบทหน้าจอเพื่อความแม่นยำของชื่อไฟล์ รวมถึงเปิดให้ใช้งานบนแอปพลิเคชัน Gemini บน macOS สำหรับสรุปไฟล์และสั่งงานด้วยเสียง และเตรียมเปิดให้ใช้งานบนเบราว์เซอร์ Chrome ในอนาคต

Diego Melendo Casado ตำแหน่ง Senior Director, Engineering ของ Gemini Audio และ Luke Leonhard ตำแหน่ง Chief of Staff ของ Gemini Audio ระบุว่าโมเดลรุ่นนี้มีประสิทธิภาพเหนือกว่าโมเดลรุ่นเดิมอย่าง Chirp 3 ความเร็วในการประมวลผลข้อความขั้นสุดท้ายเร็วขึ้น 70 เปอร์เซ็นต์ ช่วยให้นักพัฒนาสร้างอินเทอร์เฟซสั่งงานด้วยเสียงประสิทธิภาพสูงง่ายยิ่งขึ้น

We’re introducing Gemini 3.5 Transcribe, our most precise speech-to-text model yet 🔊

It turns audio into precise transcription in 85+ languages, removing filler words like “ums” and “ahs” while handling self-corrections and capturing your intent so you can get things done using… pic.twitter.com/4GgHjSd301

— Google (@Google) August 26, 2026

ที่มา: Google Blog