Gemini-3.5-Transcribeの文字起こし

Gemini 3.5 Transcribeは、長時間の音声データを高精度に文字起こしする技術であり、会議記録や動画コンテンツの分析などに活用できます。Gemini Omni 1.1 Flashは、低遅延で高性能な次世代LLMであり、リアルタイムでの対話や複雑なタスク実行を可能にします。

• Googleが「Gemini 3.5 Transcribe」を発表、高精度な音声テキスト変換モデルである。
• 背景ノイズや専門用語、言い淀みなどを克服し、正確で整形されたテキストを生成する。
• リアルタイムストリーミングと録音済み音声処理の2つのAPIが提供される。
• 自己修正やフィラーワード除去、フォーマット整形といったスマートな機能を持つ。
• 関数呼び出し機能により、他のGeminiモデルとの連携が可能になる。