01 क्या हुआ
Google ने सितंबर में Gemini 3.5 Transcribe की डेवलपर सुविधाओं का वर्णन किया। यह मॉडल एक महीने पहले जारी किया गया था; अपडेट में कस्टम शब्दावली, लाइव ट्रांसक्रिप्शन और फ़ाइल प्रोसेसिंग की सेटिंग्स समझाई गई हैं।
02 मुख्य विवरण
- 85 से अधिक भाषाओं में स्वचालित भाषा पहचान और स्विचिंग के साथ रियल-टाइम स्ट्रीमिंग ट्रांसक्रिप्शन का समर्थन।
- विशिष्ट शब्दावली को पहचानने के लिए custom_vocabulary में 1000 तक शब्द अपलोड करने की क्षमता।
- Interactions API के माध्यम से वक्ता लेबलिंग, टाइमस्टैम्प और स्मार्ट ट्रांसक्रिप्ट सफाई के साथ एक घंटे तक के ऑडियो फ़ाइलों को प्रोसेस करता है।
- Google के आंतरिक मूल्यांकन के अनुसार, स्ट्रीमिंग ट्रांसक्रिप्शन के लिए औसत शब्द त्रुटि दर (WER) 4.0% और नॉन-स्ट्रीमिंग के लिए 2.6% है।
03 यह क्यों महत्वपूर्ण है
कस्टम शब्दकोशों और बुद्धिमान संपादन सुविधाओं का उपयोग डेवलपर्स को पेशेवर अनुप्रयोगों में ट्रांसक्रिप्शन सटीकता बढ़ाने में सक्षम बनाता है।
04 किनके लिए महत्वपूर्ण है
सॉफ़्टवेयर डेवलपर्स और वॉइस सिस्टम इंजीनियर्स.
मूल स्रोत