GoogleのGemini 3.5 Transcribe、音声からフィラーワードを編集で除去
GoogleはGeminiオーディオを更新し、専門用語を検出し85以上の言語に対応する新たな文字起こし機能を追加。ユーザーは音声で自然に編集できるようになりました。これはGoogleの音声操作AI機能のユーザーに影響します。
Googleは、Geminiオーディオモデルを新しい書き起こし機能で更新し、従来の書き起こしモデルであるChirp 3から大幅に進化したGemini 3.5 Transcribeを導入しました。Gemini 3.5 Transcribeは、テキストを自動的にフォーマットし、「um」や「uh」などのフィラー単語を削除し、独自のスペリング要件や専門用語に適応できます。また、事前に録音されたオーディオで最大3人の話者の発話を属性付けし、単語レベルのタイムスタンプを提供することもできます。このアップデートは、本日より、macOSのGeminiアプリユーザーの英語版と、AndroidのRamblerのディクテーション機能（一部の国と言語）で展開されます。開発者は、Gemini APIを介してパブリックプレビューにアクセスできます。