ถึงแม้ กูเกิลยังไม่สามารถออกโมเดลรุ่นใหญ่ Gemini 3.5 Pro ได้อย่างที่หวัง แต่ก็ทยอยออกโมเดลระดับรองตัวอื่นมาเรื่อยๆ ล่าสุดคือ Gemini 3.5 Transcribe สำหรับแปลงเสียงพูดเป็นข้อความ

Gemini 3.5 Transcribe เป็นโมเดลตัวเดียวกับที่ใช้ในฟีเจอร์ Rambler ของ Android ที่เปิดตัวตอน Google I/O 2026 และเพิ่งใช้กับ Pixel 11 เป็นรุ่นแรก ฟีเจอร์ Rambler จะสามารถฟังคำพูดติดๆ ขัดๆ อ้ำๆ อึ้งๆ วกวนไปมาของเรา (ซึ่งพูดกันเป็นปกติ) แล้วเรียบเรียงออกมาเป็นประโยคที่เข้าใจง่าย

กูเกิลบอกว่า Gemini 3.5 Transcribe มีความแม่นยำสูง มีอัตราผิดพลาดวัดตาม Word Error Rate (WER) ที่ 4% สำหรับการฟังเสียงสด และ 2.6% สำหรับการแกะไฟล์เสียงที่บันทึกไว้แล้ว, มีฟีเจอร์กำหนดคลังคำเฉพาะ (custom vocabulary) เพื่อให้แยกแยะคำได้ถูกต้อง, รองรับ 85 ภาษา และตรวจจับภาษาได้อัตโนมัติ, แยกเสียงคนพูดได้สูงสุด 3 คน

โมเดล Gemini 3.5 Transcribe เปิดใช้งานแล้วในแอพ Gemini (ยังมีเฉพาะเวอร์ชัน macOS), ผ่าน API และในเร็วๆ นี้จะเข้ามาใน Chrome ให้ใช้งานพิมพ์เพื่อกรอกฟอร์มด้วย

ที่มา - Google