Geminiベースのトランスクリプションモデル「Gemini 3.5 Transcribe」の紹介

Googleは、Interactions APIおよびLive APIで利用可能な初のGeminiベースのトランスクリプションモデル「Gemini 3.5 Transcribe」を発表しました。このLLM駆動モデルは、通常のトランスクリプションモデルが苦手とする複雑なテキストの正確な変換を実現します。

■ Gemini 3.5 Transcribe の主な機能
- アルファベットや数字、メールアドレスなどの特殊文字列の高精度な認識
- 電話番号など、構造化されたデータ形式の正しいフォーマットでの出力
- 英語設定時でも70以上の言語を自動認識し、正しくトランスクリプトする多言語対応能力

開発者のデモンストレーションを通じて、モデルの音声理解力と推論能力の実証が行われています。開発者は、APIを活用してどのようなアプリケーションが構築されるかを楽しみにしています。