Google тихо выпустил ИМБУ для распознавания речи

Gemini 3.5 Transcribe умеет работать с 85+ языками, самостоятельно определяет язык и может различать до 8 говорящих даже в смешанной речи.

Плюс расставляет таймкоды, убирает «э-э» и слова-паразиты, а по заявленным тестам конкурирует с OpenAI, Deepgram и другими моделями.

На базе технологии уже появляются опенсорсные аналоги Wispr Flow для macOS — например, Jot.

Проверяем распознавание

Github Community