Gemini ahora puede convertir el habla desordenada en textos coherentes

Atrás quedaron los tiempos en los que las reuniones, clases o entrevistas se pasaban a texto con un arduo trabajo manual que insumía largas horas y paciencia.

Los sistemas de inteligencia artificial ahora disponibles llevaron esa tarea a un nuevo nivel y, esta semana, un anuncio de Google para Gemini confirma esa evolución.

La compañía estadounidense presentó un nuevo modelo de audio con IA que, según presumió, mejora exponencialmente el reconocimiento de voz y las transcripciones.

En un tuit, la tecnológica estadounidense aseguró que el sistema es tan avanzado que puede, incluso, dar forma a los discursos desordenados .

Estas son las mejoras en las transcripciones que hace la inteligencia artificial de Google El modelo presentado, Gemini 3.5 Transcribe , detecta automáticamente más de 85 idiomas, contemplando diferentes acentos y dialectos.

Tal como señalamos, uno de los principales avances en relación con sus antecesores es la habilidad para transformar el habla no estructurada del usuario en texto con un formato coherente .

Leé también : Google ahora permite eliminar las marcas que delatan al contenido creado con inteligencia artificial: los entretelones del cambio Siguiendo el repaso de Engadget , los usuarios pueden editar mediante comandos verbales.

Además, el modelo elimina por cuenta propia las palabras de relleno en la transcripción, usuales en los discursos en voz alta, pero no en los textos.

Por caso, los extensos “eeee” y otras murmuraciones en la charla o dictado.

Otra ventaja de esta renovada tecnología de Google es su capacidad para atribuir la voz a tres hablantes como máximo, incluyendo marcas de tiempo.

Esto es especialmente útil para transcribir reuniones o podcasts , por mencionar dos ejemplos.

A esto se añade, según la compañía, la posibilidad de capturar el audio incluso en espacios ruidosos.

La versión 3.5 de Gemini Transcribe está disponible en la app del modelo para MacOS (en inglés); en Rambler para Android (una función de dictado con IA integrada en el teclado Gboard de Google) en regiones seleccionadas; y en una vista previa para desarrolladores.

Leé también : Cómo pedirle a Google que no use las imágenes, audios y videos de las búsquedas para entrenar a su inteligencia artificial Recientemente, Google anunció que Gemini superó la marca de los 1.000 millones de usuarios activos al mes.