Google: Gemini 3.5 Transcribe

Google Gemini 3.5 Transcribe is het synchrone model om volledige, vooraf opgenomen audiobestanden in geschreven spraak om te zetten. Het is gebaseerd op Gemini’s audiobegrip, maar heeft een transcriptiespecifiek invoer- en uitvoercontract. De afzonderlijke editie Gemini 3.5 Transcribe Live ontvangt een audiostream en geeft incrementele resultaten terug. Dit model voor opgenomen audio produceert een voltooid transcript, met optionele woordtijdinformatie of sprekertoewijzing afhankelijk van de geselecteerde configuratie.

Bereid een heldere opname voor met spraak die niet sterk is overstuurd en waar mogelijk een betekenisvolle scheiding tussen stemmen. De synchrone voorbeelden van de fabrikant leveren WAV-audio als bestandsbytes of een opgeslagen audiobron met het MIME-type erbij. Houd de oorspronkelijke audio beschikbaar voor controle. Het beoogde resultaat kan een gecontroleerd interviewtranscript, een record voor ondertiteluitlijning of leesbare gedicteerde tekst zijn; bepaal welk resultaat nodig is voordat u functies combineert die de formulering veranderen of metadata toevoegen.

Google documenteert automatische taaldetectie voor meer dan 85 talen, inclusief taalwisseling binnen een sessie. De ondersteuningsniveaus verschillen per taal en een hint over een bekende taal kan de herkenning verbeteren. Aangepaste woordenschat levert specifieke namen, merken of vaktermen die waarschijnlijk voorkomen. De maker staat maximaal 1.000 termen toe en merkt op dat gerichte lijsten van maximaal ongeveer 100 doorgaans het best werken. Houd ongebruikelijke termen relevant voor de opname en toets ze aan de audio in plaats van aan te nemen dat een woordenschathint bewijst dat de term is uitgesproken.

VERBATIM is de standaardmodus. Die behoudt stopwoorden, herhalingen, afgebroken aanzetten en gesproken correcties zodat de tekst de formulering vastlegt. Gebruik deze modus wanneer de taak woordtijdstempels of sprekersegmentatie nodig heeft. Behoud bijvoorbeeld bij een interview de oorspronkelijke beurten en tijdinformatie en corrigeer daarna belangrijke namen en hoeveelheden door naar de relevante passage te luisteren. Een latere samenvatting of afgewerkt artikel kan dit gecontroleerde record gebruiken zonder stilzwijgend te vervangen wat de spreker heeft gezegd.

De SMART-modus is ontworpen voor leesbaar dicteren. Hij verwijdert haperingen, verwerkt zelfcorrecties tijdens het spreken en structureert gesproken materiaal in alinea’s of lijsten, waar passend met genormaliseerde datums en getallen. Een gedicteerde takenlijst kan een leesbare lijst worden in plaats van een reeks gesproken overgangen. Die verwerking verandert de vorm van het transcript. Google stelt expliciet dat SMART onverenigbaar is met woordtijdstempels en sprekersegmentatie. Kies die modus dus wanneer leesbare tekst het vereiste resultaat is in plaats van die te willen gebruiken als een verslag met tijdinformatie en sprekertoewijzing.

Wanneer woordtijdinformatie is ingeschakeld, bevat het antwoord herkende woorden met begin- en eindposities. Die ondersteunen het lokaliseren van een correctie in de opname of het voorbereiden van ondertitels. De maker noemt een afweging ten aanzien van de nauwkeurigheid bij het inschakelen van woordtijdstempels. Controleer zowel de tekst als de uitlijning, vooral bij snelle spraak, overlap of ongebruikelijke terminologie. Een bruikbaar transcript met tijdinformatie bewaart het woordrecord en de bronaudio samen in plaats van een vloeiende zin te behandelen als bewijs dat de uitlijning juist is.

Sprekersegmentatie identificeert en labelt stemmen in opgenomen audio, met maximaal acht gedocumenteerde sprekers. Toewijzing voor drie of meer sprekers wordt door de maker als experimenteel beschreven. Behandel de labels als afgeleide sprekergroepen en toets overgangen aan de opname. Een sprekerlabel is geen onafhankelijk bewijs van de identiteit of rol van een persoon. Koppel de labels aan bekende opname-informatie als de taak namen nodig heeft in plaats van identiteiten uit de herkende woorden te verzinnen.

De functietabel van de fabrikant vermeldt een venster van 15 minuten voor opgenomen audio, waarbij bestandsverwerking tot die duur beperkt is wanneer functies zoals tijdstempels of sprekersegmentatie zijn ingeschakeld. Bereid langer bronmateriaal voor als geschikte segmenten met behoud van volgorde en oorspronkelijke tijdpositie. Het transcript, de woorden met tijdinformatie en de delen met sprekerlabels zijn verschillende resultaatrepresentaties; bewaar de representatie die voor de taak nodig is. Deze audiospecifieke grenzen mogen niet worden vervangen door context- of duurcijfers van een algemeen multimodaal Gemini-model. Google vermeldt SMART-opmaak, woordtijdstempels en sprekersegmentatie als experimentele functies.

Het uitvoercontract is transcriptiespecifiek. SMART-opmaak maakt leesbare tekst, maar voegt geen algemeen JSON-schema-antwoordcontract, mogelijkheid voor hulpmiddelaanroepen of instructievolgende assistentwerkstroom toe. Toets voor het eindresultaat belangrijke formuleringen, getallen en ontkenningen aan de audio, bewaar onopgeloste segmenten voor correctie en behoud de geselecteerde modus bij het resultaat. Zo blijft duidelijk of het resultaat de oorspronkelijke gesproken formulering vastlegt of een daarvan afgeleide, bewerkte leesversie presenteert.