Google ha appena annunciato Gemini 3.5 Transcribe, il nuovo modello di intelligenza artificiale specializzato nella conversione da parlato a testo che è in grado di gestire il rumore di fondo, il gergo complesso e molto altro, convertendo l’audio grezzo in un testo accurato, rifinito e già formattato.
Parallelamente, il colosso di Mountain View ha annunciato importanti miglioramenti in ambito produttività per Gemini Live, la funzionalità che permette di conversare “botta e risposta” con l’assistente potenziato dall’IA, consentendo agli utenti di svolgere più azioni e avere conversazioni più “personali” e “contestualizzate” con Gemini.
Segui TuttoAndroid su Google Discover
Ufficiale il modello Gemini 3.5 Live Transcribe
Tramite un post dedicato sul blog ufficiale, come anticipato in apertura, Google ha annunciato Gemini 3.5 Transcribe, un modello avanzato di “speech-to-text” (conversione da parlato a testo) progettato per offrire precisione/velocità senza precedenti e per risultare robusto ai contesti rumorosi e al linguaggio complesso (abbiamo anche il supporto multi-lingue nella stessa sessione).
Il modello è in grado di interpretare perfettamente il parlato “naturale”, eliminando imperfezioni e rumori di fondo e godendo di un’ottima accuratezza, con un tasso di errore medio (Word Error Rate) del 4% per lo streaming in tempo reale e del 2,6% per i file audio pre-registrati.
Rispetto al precedente modello Chirp 3, Google è riuscita a ottenere una riduzione dei tempi di attesa per la trascrizione finale del 70%, migliorando sensibilmente la velocità di elaborazione.
Funzionalità abilitate dal nuovo modello
Gemini 3.5 Live Transcribe non si limita a convertire la voce in testo ma applica una vera e propria “pulizia intelligente del parlato” grazie a funzioni dedicate. Ad esempio abbiamo la Trascrizione smart che rileva e rimuove in automatico gli intercalari e gestisce in maniera fluida le “auto-correzioni” effettuate dall’utente.
Oltre alla suddetta robustezza al rumore di fondo, abbiamo poi il supporto multi-lingue globale (gli consente di riconoscere oltre 85 lingue, inclusi accenti e dialetti regionali), il riconoscimento dei parlanti (nei file pre-registrati è in grado di attribuire il testo fino a un massimo di tre speaker) e il vocabolario personalizzato (è possibile inserire termini tecnici o specifici per assicurarsi che vengano riconosciute correttamente).
Abbiamo già avuto modo di vedere all’opera potenzialità del genere su funzioni che Google ha implementato in Gemini (o in funzioni su esso basate) negli ultimi mesi come Rambler, la funzione di dettatura vocale avanzata che ha debuttato con i Pixel 11.
Queste potenzialità sono inoltre presenti nell’app di Gemini per macOS (permette agli utenti di dettare testi ed eseguire comandi vocali complessi che tengono conto di ciò che viene visualizzato sullo schermo) e nell’app Google Antigravity; prossimamente su Google Chrome arriverà una funzione che consentirà di scrivere con la voce in qualsiasi campo di testo nel browser.
Disponibilità del nuovo modello 3.5 Transcribe
Il nuovo modello Gemini 3.5 Transcribe è disponibile a partire da oggi con alcune limitazioni a seconda del canale specifico:
- Sviluppatori – in anteprima pubblica nell’API Gemini (su Google AI Studio e Google Antigravity)
- Aziende – in anteprima pubblica tramite Gemini Enterprise Agent Platform (in futuro anche su Gemini Enterprise for Customer Experience)
- Utenti consumer – nell’app Gemini per macOS (in lingua inglese), sulla funzione Rambler per Android (anche in italiano) e presto anche su Chrome.
Segui Google su Telegram, ricevi news e offerte per primo
Boost in ambito produttività per Gemini Live
Andando oltre, tramite un altro post sul blog ufficiale, il colosso di Mountain View ha annunciato importanti novità per Gemini Live che guadagna nuovi superpoteri, fin qui disponibili esclusivamente nella versione “standard”, e diventa un vero e proprio assistente personale.
La vita scorre veloce e spesso il modo più rapido per ottenere assistenza con Gemini è pronunciare a voce alta un comando. Sappiamo quanto sia importante questa velocità per te: il 63% degli utenti parla a voce con Gemini. Oggi stiamo implementando un importante aggiornamento per Gemini Live , che introduce potenti funzionalità di interazione vocale per permetterti di fare di più con la tua voce che mai.
Integrazione con Gemini Spark
Con l’integrazione di Spark, le interazioni di Gemini Live diventano decisamente più orientate alla produttività perché consentono agli utenti di avviare flussi di lavoro complessi e multi-step (che verranno eseguiti in background) su app come Google Documenti, Google Fogli, Google Drive e sul Web.
Riepilogo giornaliero
Pronunciando il comando “Qual è il mio riepilogo giornaliero?”, l’utente otterrà un riassunto a voce di tutti gli impegni della giornata con dati che provengono da Gmail e Google Calendar.
Gestione della posta elettronica su Gmail con la voce
Tramite Gemini Live è possibile fare “pulizia” nella casella di posta elettronica su Gmail utilizzando la voce: l’utente deve solo chiedere all’assistente di cercare messaggi specifici, riassumere le ultime novità, archiviare, eliminare e contrassegnare come speciali le email senza mai dovere toccare lo schermo dello smartphone.
Personal Intelligence estesa a Gemini Live
Personal Intelligence, fin qui esclusiva della versione “classica” di Gemini, sbarca su Gemini Live per fornire all’assistente tutto il contesto e le informazioni personali sul conto dell’utente. A questo punto, l’utente potrà intrattenere con l’assistente conversazioni botta e risposta su argomenti complessi, argomenti già trattati e eventi del passato (basati sulla cronologia degli spostamenti, degli eventi e delle email dell’utente).
Disponibilità di queste nuove potenzialità di Gemini Live
Arrivati alla fine, non ci resta che parlare della disponibilità di queste nuove potenzialità di Gemini Live. Piccolo spoiler: non potremo provarle in Italia, almeno nelle prime fasi.
Questo perché per l’utilizzo è essenziale Personal Intelligence, non disponibile nella sua versione completa dalle nostre parti (dove dobbiamo accontentarci del “Contesto personale”).
Per le funzionalità avanzate, inoltre, vi sono alcune limitazioni riguardo al piano in abbonamento: Spark è riservato a coloro che dispongono di un abbonamento a Google AI Pro (o piano superiore); Riepilogo giornaliero è riservato a coloro che dispongono di un abbonamento a Google AI Plus (o piano superiore).