Google vil gøre det lettere at tale en tekst ind uden bagefter at skulle rydde op i alle sine omveje. Gemini 3.5 Transcribe kan både skrive talen ud og bearbejde den til en mere læsbar tekst. Det er nyttigt til et mailudkast. Til et interview er det afgørende at vide, hvilken af de to opgaver man har bedt den om.
Modellen blev lanceret af Google den 26. august og er i offentlig preview for udviklere. Dansk står på listen over understøttede sprog i API’et. Det er dog ikke det samme som, at alle funktionerne nu virker på dansk i Gboard, Chrome og Gemini på Mac.
Et pænere referat er ikke en ordret udskrift
I Googles dokumentation er den almindelige tilstand, verbatim, beregnet til at bevare fyldord, gentagelser og selvrettelser. Smart-tilstanden fjerner derimod sproglige omveje og ordner formateringen. Siger man først en dato og retter sig selv, forsøger den at skrive den rettede dato frem for hele tankeforløbet.
Det kan spare en del tastearbejde, når man dikterer en besked eller får løse tanker ud af hovedet. Men en tøven kan være en væsentlig del af et svar. Bruger man teksten som citat, bør bekvemmeligheden ikke få lov at bestemme, hvad personen faktisk sagde. Gem optagelsen, og lyt efter.
Der er også et konkret teknisk kompromis. Smart-tilstanden kan ikke kombineres med ordtidsstempler og markering af forskellige talere i API’et. Skal man finde tilbage til en bestemt udtalelse i en samtale, er den mindre polerede udskrift derfor ofte det bedre udgangspunkt.
Dansk i modellen er ikke dansk i alle apps
Google bruger allerede teknologien til blandt andet Rambler i Gboard og intelligent diktering i Gemini på macOS. Mac-funktionen er ved lanceringen på engelsk. Rambler er begrænset til udvalgte lande og sprog, mens Chrome-funktionen er annonceret som kommende. Man bør altså ikke installere en ny app i forventning om, at hele pakken straks virker på dansk.
Udviklere kan arbejde med både optaget lyd og en særskilt model til direkte lydstrømme. Der kan desuden gives ordforslag, så modellen har bedre forudsætninger for at genkende fagudtryk og egennavne. Det er særligt relevant, når en samtale blander almindeligt dansk med produktnavne, forkortelser eller kode.
Prøv den på de ord, der plejer at gå galt
Vi har ikke testet modellens danske nøjagtighed. Googles medfølgende sammenligningsgraf bruger et udvalg af sprog, hvor dansk ikke indgår. Den er derfor ikke et svar på, hvordan modellen klarer et mødelokale i Herning med tre mennesker, der taler i munden på hinanden.
Den fornuftige prøve er en kort optagelse med navne, tal og de fagudtryk, man faktisk bruger. Sammenlign med den nuværende løsning, og tæl rettelserne. Hurtig diktering er først en gevinst, når man sparer mere tid på tastaturet, end man bruger på at rette det, maskinen mente at høre.
Aktører i artiklen
