Večina naših vsakodnevnih misli ne zveni kot Shakespearovi soneti. Običajno je to kaotičen golaž neodločnih premorov, nepotrebnih mašil in lažnih začetkov stavkov. Če bi kdo dobesedno zapisal to, kar izgovorite v svojo pametno napravo med jutranjo kavico, bi vas verjetno poslali na hitri pregled. A pri Googlu so se odločili, da bodo našo govorno šepavost rešili s tehnologijo. Predstavili so Gemini 3.5 Transcribe, nov model pretvorbe govora v besedilo, ki ne le posluša, ampak dejansko razume, kaj ste želeli povedati.
Silicijeva dolina je znova ugotovila, da smo ljudje v osnovi leni. Zakaj bi namreč tipkali s prsti po zaslonu, ko pa lahko preprosto nekaj zamrmramo v telefon? Težava prejšnjih generacij glasovnih prepoznavnikov je bila v tem, da so bili preveč dobesedni. Zapisali so vsak vaš »hm«, »pač« in »eee«. Novi Gemini pa deluje kot izjemen urednik, ki sproti čisti vaše besedne neumnosti.
Kako deluje ta čarovnija brez mašil in zmede?
Google Gemini 3.5 Transcribe je zasnovan z enim samim ciljem: da prepozna vaš naravni glasovni tok in izloči balast. Če sredi stavka spremenite mnenje – na primer: »Pošlji sporočilo Petru... ne, čakaj, Marku, da naj prinese pivo... pravzaprav raje vino« – bo sistem samodejno popravil besedilo in oblikoval čisto, logično sporočilo brez nepotrebnih nevrotičnih popravkov v zapisu.
Poleg tega novi model samodejno zaznava več kot 85 jezikov in je izjemno spreten pri prepoznavanju specifičnega izrazoslovja, nenavadnih črkovanj ter zapletenih alfa-numeričnih nizov, kot so poštne številke ali številke naročil. Za vse tiste, ki snemate podkaste ali sestanke, pa prinaša še eno ključno funkcijo: ločevanje do treh različnih govorcev z natančnim časovnim žigom na ravni posamezne besede.
- Odstranjevanje mašil: Zgodovini predaja vse vaše nepotrebne glasovne premore in kletvice.
- Samodejni popravki v realnem času: Prepozna spremembo miselnega toka in ustrezno prilagodi zapis.
- Ločevanje govorcev: Natančno prepozna do tri govorce z časovnim žigom za vsako besedo.
- Podpora za 85+ jezikov: Brezhibno preklapljanje med jeziki in narečji brez ročnega nastavljanja.
Od telefona Pixel do brskalnika Chrome
Kje boste to čudo preizkusili? Gemini 3.5 Transcribe že poganja funkcijo Rambler na najnovejših napravah Android, kot je serija Pixel 11, pa tudi aplikacijo Gemini za macOS. A to je šele začetek. Google napoveduje, da boste kmalu lahko narekovali besedilo v čisto vsako vnosno polje v brskalniku Chrome. Predstavljajte si, da namesto tipkanja dolgih komentarjev ali odgovorov na e-pošto preprosto poveste svoje mnenje, algoritem pa ga pretvori v popolno oblikovane odstavke.
Model se bo integriral tudi v okolja, kot so Google Docs, Keep, Gmail, Search Live ter razvojno platformo Google Antigravity, razvijalcem pa je že na voljo preko namenskih API-jev.
Zaključek in osebno mnenje: Ali tipkovnice odhajajo v zgodovino?
Kot nekdo, ki raje vidi, da stvari delujejo hitro, natančno in brez nepotrebnega zapletanja, moram priznati: Gemini 3.5 Transcribe zveni kot sanjska tehnologija za vse, ki imamo hitrejše misli kot prste. Če bo Google dejansko uspel zagotoviti, da nam ne bo treba več ročno popravljati zgrešenih besed in brisati mašil, je to enako pomembna revolucija, kot je bil prehod z ročnega menjavanja prestav na odličen samodejni menjalnik v avtomobilu.
Funkcija bo uporabnikom ustreznih naprav in aplikacij na voljo postopoma v naslednjih posodobitvah brez dodatnih stroškov. Ali bo to dokončno ubilo klasično tipkanje? Morda res. Kaj pa vi mislite – boste raje govorili svojemu računalniku ali še naprej zaupali starim dobrim tipkam?
