Gemini 3.5 Transcribe โมเดล AI แปลงเสียงรุ่นใหม่ หมดปัญหาอ้ำอึ้ง

Google ประกาศเปิดตัวโมเดล Gemini 3.5 Transcribe โมเดล AI รุ่นใหม่สำหรับแปลงเสียงเป็นข้อความแบบเรียลไทม์ ที่สามารถถอดเสียงเนื้อหาออกมาได้อย่างแม่นยำ พร้อมแก้ปัญหาการพูดวกวนอ้ำอึ้งซึ่งเคยเป็นการติดขัด มาเรียบเรียงเป็นเนื้อหาประโยคที่เข้าใจง่ายได้ทันที

 

ตัวโมเดลมีขีดความสามารถในการถอดเสียงเป็นข้อความสูงมาก ด้วยระดับความแม่นยำในการถอดเนื้อหาเสียงแบบเรียลไทม์ที่มีอัตราความผิดพลาดที่ 4% ในขณะที่เนื้อหาแบบไฟล์บันทึกเสียงจะมีอัตาการผิดพลาดเพียง 2.6% เท่านั้น และสามารถถอดเสียงได้เร็วกว่าโมเดลรุ่นเก่าถึง 70%

 

ฟีเจอร์ไฮไลท์ของโมเดลคือ Smart Transcription สำหรับแก้ไขอาการอ้ำอึ้งติดขัดระหว่างการพูด ระหว่างการสนทนาบางครั้งอาจมีคำจากอาการติดขัด เช่น อืม เอ่อ อ่า AI จะทำการตัดทอนเนื้อหาเหล่านี้ออก แล้วจัดเรียบเรียงประโยคให้อ่านและนำไปใช้ได้ง่ายขึ้นโดยอัตโนมัติ

 

นอกจากนี้ตัวโมเดลยังรองรับการระบุตัวผู้พูดในไฟล์เสียงสูงสุดถึง 3 คน สามารถพูดคุยโต้ตอบการสนทนาได้โดยมีความหน่วงไม่ถึง 1 วินาที รองรับการปรับแต่งเพิ่มเติมเพื่อให้เข้าใจคำศัพท์เฉพาะทางเทคนิค พร้อมสามารถทำความเข้าใจและถอดความเนื้อหาได้มากกว่า 85 ทั่วโลก รวมถึงสำเนียงและภาษาถิ่นที่แตกต่างกัน

 

โดยพื้นฐาน Gemini 3.5 Transcribe เป็นโมเดลตัวเดียวกับที่ใช้งานในฟีเจอร์ Rambler ของ Pixel 11 และเป็นส่วนหนึ่งในนวัตกรรมของ Google ที่จะเพิ่มขีดความสามารถของเครื่องมือ AI ไปอีกขั้น อย่างไรก็ตาม Google ยังคงได้รับการตั้งคำถามอยู่ไม่น้อย เนื่องจากโมเดลหลักที่เล็งเปิดตัวอย่าง Gemini 3.5 Pro หายเงียบไปพักใหญ่

 

สำหรับท่านที่สนใจสามารถทดลองใช้งานโมเดลนี้ได้แล้วผ่านช่องทาง Google AI Studio