Google Rilis Gemini 3.5 Transcribe, AI Speech-to-Text dengan Akurasi Tinggi

SAMAWAPOST.ID – Google meluncurkan Gemini 3.5 Transcribe, model kecerdasan buatan terbaru yang dirancang untuk mengubah ucapan menjadi teks dengan tingkat akurasi tinggi sekaligus memahami konteks percakapan secara lebih alami.

Model ini dikembangkan untuk menangani percakapan sehari-hari. Gemini 3.5 Transcribe mampu menghilangkan kata-kata pengisi, memperbaiki kalimat yang berubah secara spontan, serta menghasilkan transkripsi yang lebih rapi dan siap digunakan tanpa memerlukan banyak penyuntingan manual.

Google mengklaim Gemini 3.5 Transcribe sebagai salah satu sistem speech-to-text paling presisi yang pernah dikembangkan perusahaan tersebut. Model ini mendukung lebih dari 85 bahasa dan dirancang untuk mengenali beragam aksen serta dialek.

Tidak hanya memahami ucapan, Gemini 3.5 Transcribe juga dapat mengidentifikasi hingga tiga pembicara berbeda dalam satu rekaman audio. Kemampuan tersebut membuatnya lebih sesuai untuk kebutuhan seperti wawancara, rapat, diskusi, maupun percakapan kelompok.

Untuk transkripsi secara langsung, sistem ini diklaim mampu menghasilkan teks dalam waktu kurang dari satu detik. Sementara untuk rekaman yang sudah tersedia, pengguna dapat memperoleh transkripsi yang dilengkapi informasi mengenai siapa yang berbicara dan kapan percakapan berlangsung.

Teknologi tersebut juga mulai diintegrasikan ke sejumlah produk Google. Beberapa di antaranya adalah fitur Rambler di Android, aplikasi Gemini untuk macOS, serta Chrome yang memungkinkan pengguna mengetik menggunakan suara secara langsung pada berbagai kolom di situs web.

Bagi pengembang, Gemini 3.5 Transcribe tersedia dalam versi preview publik melalui Gemini API, Google AI Studio, dan Google Antigravity. Sementara itu, kalangan perusahaan dapat mengakses teknologi tersebut melalui Gemini Enterprise Agent Platform.

Dari sisi performa, pengukuran Artificial Analysis menunjukkan tingkat kesalahan kata rata-rata Gemini 3.5 Transcribe berada di angka 4 persen untuk transkripsi streaming. Untuk audio yang telah direkam sebelumnya, tingkat kesalahan kata disebut lebih rendah, yakni sekitar 2,6 persen.

Google menegaskan bahwa pengembangan Gemini 3.5 Transcribe tidak hanya berfokus pada kemampuan AI dalam mendengar suara. Teknologi ini juga dirancang untuk memahami cara manusia berbicara, termasuk perubahan spontan dalam percakapan, kemudian mengubahnya menjadi teks yang alami dan siap digunakan.

Kehadiran Gemini 3.5 Transcribe memperlihatkan semakin kuatnya arah pengembangan AI Google pada teknologi suara. Dengan dukungan berbagai bahasa, pengenalan pembicara, dan pemrosesan cepat, teknologi ini berpotensi memperluas penggunaan transkripsi otomatis untuk kebutuhan personal, profesional, hingga pengembangan aplikasi berbasis suara. (SP)