Telko.id – Google resmi luncurkan Gemini 3.5 Transcribe, model kecerdasan buatan (AI) speech-to-text terbaru yang dirancang untuk mengubah percakapan atau rekaman suara menjadi teks secara lebih akurat dan cerdas.
Model ini menjadi penerus teknologi transkripsi Google sebelumnya, Chirp 3, dengan peningkatan kemampuan memahami bahasa, jargon, serta kondisi audio yang lebih kompleks.
Model ini mengubah audio menjadi teks berformat dan mampu menangani kebisingan latar belakang, terminologi teknis, serta koreksi pembicara. Gemini 3.5 Transcribe mencapai tingkat kesalahan kata sebesar 4,0% untuk streaming dan 2,6% untuk aplikasi non-streaming, berdasarkan pengukuran oleh Artificial Analysis. Teknologi ini meningkatkan waktu transkripsi akhir sebesar 70% dibandingkan model Chirp 3 sebelumnya.
Google menyediakan model ini melalui dua antarmuka pemrograman aplikasi. Opsi streaming real-time menghadirkan latensi di bawah satu detik melalui Live API menggunakan gemini-3.5-transcribe-live.
Opsi pemrosesan audio yang telah direkam sebelumnya mentranskripsikan rapat dan log panggilan dengan atribusi pembicara melalui Interactions API menggunakan gemini-3.5-transcribe.
Google juga membekali model ini dengan kemampuan mengenali kosakata khusus dan jargon teknis. Pengguna dapat menyediakan daftar kosakata tertentu agar AI lebih akurat dalam mengenali istilah yang memiliki ejaan atau pengucapan khusus.
Model tersebut juga mendukung lebih dari 85 bahasa dan dapat menyesuaikan diri dengan berbagai aksen serta dialek.
Untuk rekaman yang melibatkan beberapa orang, Gemini 3.5 Transcribe dapat membedakan hingga tiga pembicara serta memberikan penanda waktu pada setiap kata. Dukungan untuk jumlah pembicara lebih banyak masih berada dalam tahap eksperimental.
Kehadiran Gemini 3.5 Transcribe ini memperlihatkan upaya Google menjadikan AI suara lebih dari sekadar alat pencatat. Teknologi ini diarahkan untuk mendukung berbagai kebutuhan, mulai dari dikte, caption real-time, transkripsi rapat, analisis panggilan, hingga pengembangan aplikasi dan AI agent berbasis suara.
Baca Juga:
- Google Batalkan AI Studio Mobile, Fitur Dipindah ke Gemini
- Google Tambahkan Fitur AI untuk Bantu Siswa Belajar Interaktif
Google mengintegrasikan teknologi ini ke dalam berbagai produk, termasuk aplikasi Gemini di macOS, fitur Rambler di Android melalui Gboard, dan Google AI Studio.
Model ini memasuki pratinjau publik bagi para pengembang melalui Google AI Studio dan bagi perusahaan melalui Gemini Enterprise Agent Platform. Chrome akan mendapatkan kemampuan dikte ini di masa mendatang.
