Google ra mắt Gemini 3.5 Transcribe: Công nghệ chuyển giọng nói thành văn bản thông minh nhờ AI

Trong khi cộng đồng công nghệ vẫn đang háo hức chờ đợi sự ra mắt của Gemini 3.5 Pro, Google bất ngờ công bố một mô hình khác trong cùng gia đình 3.5, mang tên Gemini 3.5 Transcribe. Đây là một mô hình AI được thiết kế chuyên biệt để tối ưu hóa tác vụ nhập liệu bằng giọng nói, hứa hẹn mang lại trải nghiệm "nói là có chữ" một cách mượt mà và thông minh chưa từng có.

Bước tiến vượt bậc so với công nghệ cũ

Theo công bố từ Google, Gemini 3.5 Transcribe thể hiện sự vượt trội rõ rệt so với công cụ chuyển giọng nói thành văn bản tiền nhiệm mang tên Chirp 3. Cụ thể, mô hình mới này được đánh giá là nhanh hơn khoảng 70% trong việc xử lý từ giọng nói đến văn bản hoàn chỉnh.

Đặc biệt, tỷ lệ lỗi phát âm trực tiếp (live-speech error rate) của mô hình đã giảm xuống còn 5.5%, thấp hơn đáng kể so với mức 7.32% của Chirp 3. Dù con số cải thiện này chỉ là một bước tiến nhỏ, nhưng đối với người dùng thường xuyên sử dụng tính năng nhập liệu bằng giọng nói, việc giảm thiểu các lỗi chính tả và sửa lỗi thủ công là một cải tiến vô cùng đáng giá.

Việc phải chỉnh sửa lỗi chính tả khi đang sử dụng nhập liệu bằng giọng nói là một trải nghiệm khá khó chịu. Bất kỳ sự cải thiện nào trong lĩnh vực này cũng đều mang lại lợi ích thiết thực cho người dùng.

Trí tuệ nhân tạo "hiểu" giọng nói tự nhiên

Điểm mấu chốt tạo nên sự khác biệt của Gemini 3.5 Transcribe không chỉ nằm ở tốc độ và độ chính xác, mà còn ở khả năng xử lý ngôn ngữ tự nhiên thông minh. Mô hình được thiết kế để tự động "lọc bỏ" các từ đệm như "ừm", "à", hoặc các câu sửa sai giữa chừng, từ đó xuất ra văn bản AI mạch lạc, rõ ràng và hoàn chỉnh như một bài viết được soạn thảo kỹ lưỡng.

Hệ sinh thái Google sẽ được "phủ sóng"

Hiện tại, Gemini 3.5 Transcribe đã bí mật vận hành tính năng "Rambler" trên ứng dụng Gboard dành riêng cho dòng điện thoại Pixel 11. Tuy nhiên, theo định hướng của Google, mô hình này sẽ sớm được tích hợp sâu rộng vào toàn bộ hệ sinh thái của hãng, đặc biệt là trên trình duyệt Chrome.

Điều này đồng nghĩa với việc, trong tương lai gần, người dùng có thể mong đợi trải nghiệm nhập liệu bằng giọng nói thông minh và liền mạch trên nhiều dịch vụ khác nhau của Google, từ tìm kiếm, soạn email đến viết tài liệu dài.

Với sự xuất hiện của Gemini 3.5 Transcribe, Google đang tiếp tục khẳng định vị thế dẫn đầu trong cuộc đua tích hợp AI vào các sản phẩm đại chúng, mang đến những công cụ hữu ích giúp cuộc sống và công việc của người dùng trở nên dễ dàng hơn.