Gemini 3.5 Transcribe soll Gesprochenes präziser in Text verwandeln und dabei automatisch zwischen verschiedenen Sprachen unterscheiden. Das schreibt Google DeepMind auf seinem Blog. Das Werkzeug ist auf Sprache-zu-Text-Transkription spezialisiert. Google beschreibt die Ergebnisse als «intelligenter» als jene bisheriger Angebote. Es ist nicht nur mehrsprachig, sondern erkennt auch Zahlen deutlich zuverlässiger. Es erkennt Selbstkorrekturen und Themenwechsel mitten im Gespräch. Zudem kann es Hintergrundgeräusche besser ausfiltern als bisher.
Transkription stark nachgefragt
Das Modell gehört zur Gemini-Familie von Google DeepMind. Der Konzern setzt damit seine Strategie fort, spezialisierte KI-Systeme für einzelne Aufgaben zu entwickeln statt nur auf allgemeine Sprachmodelle zu setzen. Transkription gilt als eine der am stärksten nachgefragten KI-Anwendungen, etwa in der Medizin, im Journalismus und in der Unternehmenskommunikation.
Werbung
Der Markt ist entsprechend umkämpft. Mehrere grosse Technologieunternehmen konkurrieren im Segment Spracherkennung. Anbieter wie OpenAI mit seinem Whisper-Modell oder Microsoft mit Azure Speech sind in diesem Segment bereits aktiv.
Quelle: Google DeepMind Blog – Google DeepMind: «Intelligent transcription with Gemini 3.5 Transcribe»
