שדרוג משמעותי בג'מיני: הפיצ'ר החדש שמגיע למשתמשים

גוגל הכריזה על Gemini 3.5 Transcribe, מודל חדש להמרת דיבור לטקסט, שנועד להתמודד עם אחד האתגרים המרכזיים בהכתבה קולית: דיבור טבעי, מהיר ולא תמיד מסודר. המודל החדש מסוגל לזהות את כוונת הדובר, לנקות גמגומים והיסוסים ולהפיק טקסט קריא ומאורגן יותר. 

בניגוד למערכות תמלול מסורתיות, שמנסות בעיקר להעביר את הנאמר מהקול אל המסך, Gemini 3.5 Transcribe מתיימר להבין את ההקשר ואת מבנה המשפט. כך, כאשר המשתמש עוצר, מתקן את עצמו או משתמש במילות מילוי כמו “אממ” ו”אהה”, המערכת יכולה להסיר את החלקים שאינם נחוצים ולהציג גרסה נקייה של הדברים.

המודל מיועד גם להתמודד עם תנאי שמע מורכבים, רעשי רקע ושימוש בשפה יומיומית או מקצועית. לפי גוגל, זמן ההגעה לתמלול הסופי השתפר בכ-70% בהשוואה למודל Chirp 3 שהושק ב-2025. שיעור שגיאות המילים עומד, לפי הנתונים שפורסמו, על 2.6% בקבצים מוקלטים ועל 4% בתמלול בזמן אמת. 

אחד החידושים המרכזיים הוא היכולת לזהות תיקונים עצמיים במהלך הדיבור. אם משתמש מתחיל משפט, משנה את דעתו ומנסח אותו מחדש, המערכת יכולה להבין את התיקון ולהתאים אליו את הטקסט הסופי, במקום להשאיר את כל רצף הדיבור כפי שנאמר. הוא תומך ביותר מ-85 שפות ומבטאים, ויכול לזהות ולהפריד בין עד שלושה דוברים. 

הטכנולוגיה מתחילה להשתלב גם במוצרים של גוגל. במקלדת Gboard באנדרואיד שולבה יכולת בשם Rambler, שנועדה לסייע בהפיכת מחשבות שנאמרו בקול לטקסט מסודר. במקביל, אפליקציית גוגל למחשבי macOS משלבת יכולות ניתוח מסך עם הכתבה, וגוגל צפויה להוסיף בעתיד כלי הכתבה מובנה לדפדפן כרום, כך שניתן יהיה להשתמש בו בשדות טקסט שונים. 

גם מפתחים וארגונים יכולים להשתמש בטכנולוגיה. המודל זמין בתצוגה מקדימה דרך ה-API של Google AI Studio וכן במסגרת Gemini Enterprise, כאשר אחת המטרות היא לאפשר שילוב של יכולות תמלול והבנת דיבור במערכות שירות לקוחות, סוכנים קוליים וכלים נוספים המבוססים על בינה מלאכותית. 

המשמעות עבור המשתמשים עשויה להיות שינוי באופן שבו מתבצעת הכתבה קולית: במקום לדבר באיטיות ולנסות לנסח כל משפט בצורה מושלמת, ניתן יהיה לדבר באופן טבעי יותר ולתת לבינה המלאכותית לבצע חלק גדול מעבודת הסידור והעריכה.

 אם הטכנולוגיה אכן תפעל כפי שמציגה גוגל, היא עשויה להפוך את ההכתבה הקולית לכלי שימושי משמעותית גם עבור כתיבה יומיומית, עבודה ותיעוד שיחות.