Google Meluncurkan Gemini 3.5 Transcribe: AI Pengubah Suara ke Teks yang Lebih Cepat dan Akurat

Google Meluncurkan Gemini 3.5 Transcribe: AI Pengubah Suara ke Teks yang Lebih Cepat dan Akurat

ByZaien

Google resmi meluncurkan Gemini 3.5 Transcribe, model kecerdasan buatan terbaru yang dirancang khusus untuk mengubah ucapan menjadi teks terstruktur dengan tingkat akurasi dan kecepatan yang jauh lebih baik dari pendahulunya. Berbeda dari teknologi speech-to-text konvensional yang sekadar menyalin kata demi kata, Gemini 3.5 Transcribe diklaim mampu memahami niat alami pembicara dan secara otomatis merapikan hasil transkripsi—termasuk menghilangkan kata-kata pengisi seperti “um”, “uh”, atau “ehm” yang kerap muncul saat seseorang berbicara spontan.

Performa 70 Persen Lebih Cepat dengan Tingkat Kesalahan Lebih Rendah

Menurut data pengukuran internal Google, model baru ini mampu memproses suara menjadi teks akhir sekitar 70 persen lebih cepat dibandingkan model transkripsi sebelumnya, Chirp 3. Peningkatan kecepatan tersebut disertai dengan penurunan tingkat kesalahan kata (word error rate) yang cukup signifikan: Gemini 3.5 Transcribe mencatatkan tingkat kesalahan sebesar 5,5 persen pada percakapan langsung, sementara Chirp 3 berada di angka 7,32 persen. Google menyebut ini sebagai kemajuan besar, terutama dalam hal performa multibahasa dan akurasi pengenalan kata.

Tak hanya soal kecepatan dan akurasi, model ini juga dilengkapi kemampuan untuk menangani koreksi diri secara langsung. Pengguna dapat menyunting teks yang didiktekan hanya dengan menggunakan perintah suara secara natural, tanpa perlu beralih ke keyboard atau layar sentuh. Fitur ini menjadikan proses transkripsi lebih intuitif dan efisien, terutama bagi mereka yang sering bekerja dengan dikte panjang atau catatan rapat.

Mendukung 85 Bahasa dan Pengenalan Hingga Tiga Pembicara

Gemini 3.5 Transcribe dirancang untuk sangat serbaguna. Model ini dapat mendeteksi dan memproses lebih dari 85 bahasa secara otomatis, sehingga pengguna tidak perlu lagi mengatur bahasa input secara manual. Selain itu, AI ini mampu membedakan dan mengatribusikan ucapan hingga tiga pembicara berbeda dalam rekaman audio, lengkap dengan timestamp pada tingkat kata—fitur yang sangat berguna untuk transkripsi podcast, wawancara, atau diskusi panel.

Menariknya, pengguna juga dapat memasukkan kosakata khusus agar model mengenali jargon teknis, ejaan unik, serta rangkaian alfanumerik kompleks seperti nomor pesanan atau kode pos. Dengan begitu, hasil transkripsi tidak perlu lagi disunting secara manual untuk istilah-istilah spesifik yang sering digunakan dalam konteks profesional atau industri tertentu.

Sudah Terintegrasi di Gboard dan Gemini macOS, Segera Hadir di Chrome

Saat ini, kemampuan Gemini 3.5 Transcribe sudah diintegrasikan untuk menenagai fitur dikte Rambler pada aplikasi keyboard Gboard, meskipun ketersediaannya masih terbatas pada perangkat seri Pixel 11 di beberapa negara. Pengguna aplikasi Gemini di sistem operasi macOS juga sudah mulai mendapatkan pembaruan ini untuk meningkatkan pengalaman input suara mereka, termasuk untuk menjalankan tugas-tugas berbasis agen AI yang lebih kompleks.

Bagi para pengembang, Google telah membuka akses pratinjau publik ke model ini melalui Gemini API, AI Studio, dan platform pengembangan agen AI bernama Antigravity. Ke depannya, Google berencana memperluas integrasi model transkripsi ini ke peramban Chrome, sehingga pengguna dapat mendiktekan teks langsung ke berbagai kolom isian di web—mulai dari menulis email, memberikan komentar, hingga memberikan perintah suara kepada chatbot AI. Selain itu, teknologi ini juga akan dibawa ke berbagai aplikasi ekosistem Google lainnya, termasuk Google Docs, Keep, Gmail, dan Search Live.

Peluncuran di Tengah Penantian Gemini 3.5 Pro yang Tertunda

Peluncuran Gemini 3.5 Transcribe ini terjadi di tengah penantian pengguna terhadap model Gemini 3.5 Pro yang sebelumnya dijanjikan akan rilis pada bulan Juni, namun hingga kini belum juga hadir. Menariknya, informasi awal yang diberikan Google kepada sejumlah media sempat menyebutkan bahwa dua model tambahan—Gemini 3.5 Live dan 3.5 Live Experimental—juga akan diluncurkan bersamaan dengan fitur transkripsi ini. Namun, Google kemudian menarik kembali informasi tersebut setelah publikasi dan mengklarifikasi bahwa model-model tambahan itu belum diluncurkan serta belum memiliki tanggal rilis pasti.

Dengan kemampuan memahami ucapan natural, merapikan teks otomatis, dan mendukung puluhan bahasa sekaligus, Gemini 3.5 Transcribe menandai langkah signifikan Google dalam menyempurnakan pengalaman speech-to-text berbasis AI. Integrasi yang lebih luas ke berbagai produk Google di akhir tahun ini diharapkan dapat membuat teknologi ini semakin mudah diakses dan dimanfaatkan oleh pengguna maupun pengembang di seluruh dunia.

Sumber

Similar Posts