eşleştirebiliyor.
Üçten fazla konuşmacının bulunduğu senaryolar için de destek var ancak Google bu özelliği şimdilik deneysel olarak tanımlıyor.
Bu özellik toplantı özetleri, podcast transkripsiyonları ve çağrı merkezi analizleri açısından oldukça kullanışlı olabilir.
Bir saatlik görüşmenin sonunda yalnızca konuşmanın metnini almak yerine hangi cümleyi kimin söylediğinin bilinmesi AI'ın daha sonra yapacağı özetleme ve analiz işlemlerini de kolaylaştırıyor.
Gboard konuşurken yaptığınız hataları temizleyebilecek
Gemini 3.5 Transcribe yalnızca geliştiricilere yönelik bir API olarak kalmayacak.
Model Android tarafında Gboard Rambler özelliğinin temelinde de kullanılıyor. Rambler, kullanıcının doğal biçimde konuşmasına izin verirken gereksiz dolgu kelimelerini kaldırıyor ve konuşmayı düzenlenmiş metne dönüştürüyor.
Üstelik sesinizi kullanarak yazım hatalarını düzeltebiliyor veya metnin yazım tarzını değiştirebiliyorsunuz.
Bu noktada klasik “mikrofon tuşuna bas ve konuş” deneyiminden farklı bir yapıya geçiyoruz.
Telefon yalnızca söylediklerinizi yazmak yerine ne yazmaya çalıştığınızı anlamaya başlıyor.
Chrome'a da geliyor
Google'ın daha geniş planında Chrome da bulunuyor.
Gemini 3.5 Transcribe desteğinin yakında Chrome'a gelmesi planlanıyor. Kullanıcılar tarayıcıdaki herhangi bir metin alanına konuşarak yazabilecek.
Bu özellik e-posta cevaplamaktan sosyal medya gönderisi hazırlamaya, uzun AI promptları oluşturmaktan web formlarını doldurmaya kadar oldukça geniş bir kullanım alanına sahip olabilir.
Google ayrıca modeli Antigravity ve Google AI Studio gibi kendi AI geliştirme araçlarına da taşıyor.
Antigravity tarafında sistem kullanıcının izniyle ekran bağlamını ve sohbet geçmişini hesaba katabiliyor. Böylece ekranda açık olan dosya isimleri veya teknik terimler konuşma sırasında daha doğru algılanabiliyor.
macOS'ta konuşarak dosya analiz etmek bile mümkün
Gemini uygulamasının macOS sürümünde işler biraz daha ileri gidiyor.
Gemini 3.5 Transcribe burada yalnızca kullanıcının söylediklerini metne çevirmiyor. Model gerektiğinde başka Gemini modellerini function calling üzerinden göreve çağırabiliyor.
Örneğin kullanıcı sesli komut vererek yerel bir dosyanın özetlenmesini, bir metnin başka bir biçime dönüştürülmesini veya görsel oluşturulmasını isteyebiliyor.
Transcribe konuşmayı anlayıp görevin ne olduğunu belirliyor, ağır AI işlemini ise uygun Gemini modeli gerçekleştiriyor.
Bu yaklaşım Google'ın yeni modelinin neden yalnızca “daha iyi dikte” olarak görülmemesi gerektiğini gösteriyor.
Sesli AI ajanlarının önü açılıyor
Gemini 3.5 Transcribe'ın asıl potansiyeli burada ortaya çıkıyor.
Bir AI ajanının kullanıcıyla doğal şekilde konuşabilmesi için yalnızca güçlü bir büyük dil modeline sahip olması yeterli değil. Sesin hızlı biçimde anlaşılması, konuşmacının niyetinin korunması ve sonuçların modele mümkün olduğunca düşük gecikmeyle aktarılması gerekiyor.
Gemini 3.5 Transcribe tam olarak bu giriş katmanını hedefliyor.
Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel ve Vision Agents gibi geliştirici platformları Gemini Live API üzerinden bu teknolojiyi ses tabanlı uygulamalarda kullanabiliyor.
Google'ın verdiği örnekler arasında gerçek zamanlı sesli ajanlar, canlı altyazı sistemleri ve görüşme sonrası analiz araçları bulunuyor.
Net konuşalım: Bugün baktığımızda Gemini 3.5 Transcribe bir transkripsiyon modeli gibi görünüyor. Fakat düşük gecikme, bağlam anlayışı, function calling ve gerçek zamanlı streaming bir araya geldiğinde asıl hedefin AI ile klavye kullanmadan doğal biçimde çalışmak olduğu çok daha net görülüyor.
EDİTÖR NOTU:
Gemini 3.5 Transcribe'ın benim için en dikkat çekici tarafı yüzde 2,6'lık hata oranından çok konuşurken yaptığımız düzeltmeleri ve bağlamı anlayabilmesi. Eğer Google bu doğruluğu Türkçe ve gürültülü gerçek hayat koşullarında da koruyabilirse Gboard ve Chrome entegrasyonları günlük kullanımda ciddi fark yaratabilir. Özellikle Chrome'a gelecek konuşarak yazma özelliğini takip etmekte fayda var.
