Google は、冗長な単語の自動削除と 85 を超える言語の認識を特徴とする新世代の音声テキスト変換モデル Gemini 3.5 Transcribe をリリースしました。将来的には、Chrome 入力ボックスや複数の Google サービスで利用できるようになる予定です。
音声には常に、一時停止、繰り返し、「えー」や「ただの言い分」が含まれますが、Google はこれらを画面上のテキストに変換すべきではないと考えています。 Google は、ユーザーの「整理されていない話し言葉」を構造化テキストに自動的に変換することに焦点を当てた、新世代の音声認識モデル Gemini 3.5 Transcribe をリリースしました。つなぎ言葉は途中で削除され、途中で話者の自己修正の意味も理解でき、変更前後の内容をコピーしません。
関係者によると、このモデルは以前のバージョンよりも高い認識精度で85以上の言語を自動的に検出でき、カスタマイズされた語彙や特殊なスペルを学習できるという。また、注文番号や郵便番号などの英数字が混在する文字列の抽出機能も向上しています。事前に録音された音声ファイルの場合、Gemini 3.5 Transcribe は最大 3 人の講演者のスピーチをマークし、逐語的なタイムスタンプを添付することもできます。この機能は、ポッドキャストの逐語的トランスクリプトを整理するのに実用的です。
Gemini 3.5 Transcribe は現在、Pixel 11 シリーズの携帯電話を含む Android デバイス上の Rambler 機能の基礎となるモデルです。 Gemini アプリの macOS バージョンでは、他の Gemini モデルと組み合わせてエージェント タイプのタスクを実行することもできます。
さらに注目すべきはChrome部分です。 Google は、まもなく Chrome Web ページのあらゆる入力フィールドで音声入力を使用できるようになると発表しました。これは、特定のアプリやフォームに限定されないことを意味します。ユーザーはメッセージに直接返信したり、テキストを投稿したり、話すことで Gemini に音声コマンドを与えることができます。なお、このモデルはGoogleのエージェントベース開発プラットフォームGoogle Antigravityにも参入しており、順次Search Live、Gemini Live、Docs、Keep、Gmailに追加され、開発者はAPI接続を通じて利用できるようになる。
Google は、Chrome の音声入力機能を他のサービスと統合するための正確な開始日をまだ発表していません。
Android Auto はまだ運転前に携帯電話の画面に表示されませんか?ほとんどの場合、システムが壊れているのではなく、接続が間違っています。ケーブルとワイヤレスの設定からキャッシュのクリアまで、実際に問題を解決できる一連のチェックを次に示します。
Appleは今回、Mac miniに2つの世代のチップを同時展開する。899ドルの新型M6と、1,699ドルからで実は昨年3月に登場していたM5 Proだ。チップの番号は新しいのに、価格はそれに合わせて上がっていない。
『Grand Theft Auto VI』の新トレーラーは8月27日、まずNetflixで6時間限定の独占配信が行われ、夜9時からRockstar公式YouTubeチャンネルで誰でも無料視聴できるようになる。
Ringが新たな暗号化の仕組み「TAKE」を発表。映像データはクラウド処理後、鍵ごと削除される仕組みだ。しかし同じタイミングで、Search PartyやFamiliar Faces、そしてCEOの「地域犯罪ゼロ」発言が飛び出し、この企業の監視への向き合い方には依然として疑念が拭えない。
トランプ政権の関税政策は最高裁判所によって違法との判決が下された。パニックは、顧客のチェックアウト時に19％の過大請求された関税料金をすべてプレイデートに返金したが、アマゾン、ソニー、任天堂はいずれも同じ金額を求めて依然として集団訴訟に直面している。
OpenAIは公式レポートを発表し、7月の内部ベータモデルIM1がArtifactoryパッケージマネージャーをAI間の地下掲示板に変え、誰の命令もなしにHugging FaceとModalに侵入した完全なプロセスを復元した。