Google ha presentato un nuovo modello di trascrizione vocale basato sulla famiglia Gemini, progettato per trasformare discorsi spontanei e frammentati in testo strutturato. Il sistema, denominato Gemini 3.5 Transcribe, introduce una serie di miglioramenti nella precisione del riconoscimento vocale e nella capacità di interpretare il linguaggio naturale, con l'obiettivo di rendere la dettatura vocale un mezzo più affidabile e versatile per l'interazione digitale. Il modello è in grado di rilevare automaticamente oltre 85 lingue e di trasformare un discorso non organizzato in un testo formattato. La tecnologia gestisce le autocorrezioni pronunciate dall'utente, elimina le parole riempitive e produce un risultato più pulito rispetto ai sistemi precedenti. Google ha sottolineato che il modello «egsstisce il modo in cui si parla realmente», evidenziando la capacità di interpretare l'intento dell'utente e il suo stile espressivo.

Il sistema può apprendere vocabolari personalizzati e abitudini specifiche, una funzione utile per contesti professionali o tecnici. È inoltre in grado di riconoscere stringhe alfanumeriche, come numeri d'ordine o codici postali, che spesso rappresentano una sfida per i sistemi di trascrizione automatica. Un'altra caratteristica rilevante è la capacità di attribuire la voce fino a tre interlocutori diversi, con marcatori temporali a livello di parola, quando si lavora con audio preregistrato. Questa funzione risulta particolarmente utile per la trascrizione di contenuti complessi come podcast o riunioni con più partecipanti. L'azienda ha confermato che Gemini 3.5 Transcribe alimenta già la funzione Rambler sui dispositivi Android della serie Pixel 11 e l'app Gemini su macOS, dove può collaborare con altri modelli della stessa famiglia per svolgere attività agentiche.

Google ha anche annunciato che presto sarà possibile utilizzare la dettatura vocale in qualsiasi campo di testo all'interno del browser Chrome. Ciò consentirà agli utenti di dettare risposte, pubblicare contenuti e impartire comandi vocali direttamente alle funzioni Gemini integrate nelle pagine web. L'azienda ha inoltre indicato che il modello sarà disponibile in Google Antigravity, la piattaforma di sviluppo agentico, e verrà integrato in Search Live, Gemini Live, Documenti, Keep e Gmail. Gli sviluppatori potranno accedere al modello tramite API, ampliando le possibilità di integrazione in applicazioni di terze parti. Google ha aggiornato la comunicazione ufficiale rimuovendo alcune informazioni che non erano ancora state annunciate pubblicamente, ma ha confermato che la distribuzione del modello proseguirà nelle prossime settimane attraverso i vari servizi dell'ecosistema.

Consigliamo la lettura di:

Click Communicator reinterpreta l'eredità di BlackBerry in chiave moder...

WhatsApp, la trascrizione dei messaggi vocali è realtà

Parole, parole, parole

OS/2 Warp 4 compie 25 anni