Google เปิดตัว Gemini 3.5 Transcribe ช่วยแปลงคำพูดเป็นข้อความมีโครงสร้างใน Chrome

Google เปิดเผยโมเดลถอดเสียงรุ่นใหม่ Gemini 3.5 Transcribe ซึ่งออกแบบมาเพื่อยกระดับการแปลงเสียงพูดเป็นข้อความให้แม่นยำและใช้งานได้กว้างขึ้น โดยจุดเด่นสำคัญคือสามารถจัดระเบียบคำพูดที่ไม่เป็นทางการหรือพูดวกวนให้กลายเป็นข้อความที่อ่านง่ายและมีโครงสร้างมากขึ้น ไม่ใช่แค่ถอดคำตามเสียงเท่านั้น

บริษัทระบุว่าโมเดลนี้จะทยอยเปิดให้ใช้งานกับการพิมพ์ด้วยเสียงบนเว็บฟิลด์ต่าง ๆ ใน Chrome ได้ในเร็ว ๆ นี้ ทำให้ผู้ใช้สามารถพูดแทนการพิมพ์ได้ในช่องกรอกข้อความหลากหลายประเภท ไม่ว่าจะเป็นแบบฟอร์ม การค้นหา หรือช่องข้อความบนเว็บที่รองรับการป้อนข้อมูลผ่านเบราว์เซอร์

ความเคลื่อนไหวนี้สะท้อนทิศทางของ Google ที่ต้องการผสานความสามารถด้าน AI เข้ากับเครื่องมือใช้งานจริงในชีวิตประจำวันมากขึ้น โดยเฉพาะงานถอดเสียงและการป้อนข้อมูลที่ต้องการความรวดเร็ว ความถูกต้อง และลดภาระการแก้ไขหลังจากระบบแปลงเสียง

สำหรับผู้ใช้ทั่วไป การอัปเดตดังกล่าวอาจช่วยให้การป้อนข้อมูลด้วยเสียงเป็นธรรมชาติขึ้น และลดปัญหาข้อความที่ได้จากการพูดสั้น ๆ หรือพูดแบบไม่เป็นทางการซึ่งมักต้องปรับแก้ภายหลัง ขณะเดียวกันก็เป็นอีกตัวอย่างของการนำโมเดลภาษาและการรู้จำเสียงมารวมกันเพื่อให้ได้ผลลัพธ์ที่พร้อมใช้งานมากกว่าเดิม