حذف خودکار تپق ها در مدل جدید تبدیل گفتار به متن گوگل | Gemini 3.5 Transcribe
گوگل بهتازگی از مدلهای جدید هوش مصنوعی صوتی خودش تحت عنوان Gemini 3.5 Transcribe و Gemini 3.5 Transcribe Live در پلتفرم Google AI Studio رونمایی کرده. این مدلهای پیشرفته برای تبدیل دقیق صوت و گفتار به متن طراحی شدن و از بیش از ۸۵ زبان زنده دنیا از جمله زبان فارسی پشتیبانی میکنن. توی این ویدیو بهصورت جامع و عملی به بررسی و تست عملکرد این ابزار جدید در پردازش و تبدیل صدا به متن فارسی میپردازیم.در طول ویدیو بخشهای مختلف محیط Google AI Studio و قابلیتهای کلیدی این مدل هوش مصنوعی رو بررسی میکنیم. یکی از مهمترین ویژگیهای این نسخه، قابلیت Custom Vocabulary هست که به شما اجازه میده کلمات تخصصی یا اسامی خاص رو به سیستم معرفی کنین تا در خروجی متن بدون خطا نوشته بشن. همچنین قابلیت Smart Transcription برای اصلاح گرامر، حذف تپقها و مرتبسازی خودکار متن گفتار وجود داره که عملکرد متفاوتی در مقایسه با تبدیل خام صدا ارائه میده.
علاوه بر این، تست تبدیل زنده گفتار از طریق میکروفون، رونویسی صدا از تبهای مرورگر و همچنین آپلود فایلهای صوتی طولانی پادکست از طریق گوگل درایو رو روی فایلهایی با فرمت FLAC انجام میدیم. در این بررسی، سرعت پردازش مدل، دقت تشخیص کلمات فارسی، نحوه ایجاد تایماستمپها و محدودیتها یا تداخلهای موجود میان قابلیتهایی مثل کلمات سفارشی و زمانبندی کلمات رو مورد ارزیابی دقیق قرار میدیم. اگر به دنبال ابزاری قدرتمند برای پیادهسازی متن پادکست یا ساخت سرویسهای صوتی هوشمند هستین، این مدل جدید گوگل پتانسیل بالایی در پردازش زبان فارسی داره.
––––––––––––––––––––––––––––––
لینک معرفی
https://deepmind.google/models/gemini-audio
لینک Ai Studio
https://aistudio.google.com
بررسی Gemini 3.5 Live Translate
https://youtu.be/QtarVY8XZiA
––––––––––––––––––––––––––––––
00:00 مقدمه و ماجرای تایم استمپ هوش مصنوعی
00:30 معرفی ابزار جدید Gemini 3.5 Transcribe گوگل
01:43 ورود به محیط Google AI Studio و انتخاب مدلها
03:05 تنظیم زبان فارسی و قابلیت کلمات سفارشی (Custom Vocabulary)
04:55 بررسی قابلیت هوشمند Smart Transcription
05:45 تست زنده تبدیل صدا به متن با میکروفون
08:20 تست رونویسی مستقیم صدا از تب مرورگر
10:18 تبدیل فایل صوتی پادکست به متن با مدل Transcribe
12:40 بررسی ارور تداخل Custom Vocabulary و Word Timestamps
14:10 تست سرعت تبدیل فایل پادکست طولانی به متن
15:13 ارزیابی دقت متن فارسی و نحوه عملکرد تایماستمپها
16:23 جمعبندی، کاربرد API مدل صوتی و نتیجهگیری
––––––––––––––––––––––––––––––
کانال تلگرام رضاصاد پلاس
https://t.me/rezasaadplus
––––––––––––––––––––––––––––––
اینجا توی رضاصاد پلاس در مورد هوش مصنوعی و تکنولوژیهای جدید حرف میزنیم Receive SMS online on sms24.me
TubeReader video aggregator is a website that collects and organizes online videos from the YouTube source. Video aggregation is done for different purposes, and TubeReader take different approaches to achieve their purpose.
Our try to collect videos of high quality or interest for visitors to view; the collection may be made by editors or may be based on community votes.
Another method is to base the collection on those videos most viewed, either at the aggregator site or at various popular video hosting sites.
TubeReader site exists to allow users to collect their own sets of videos, for personal use as well as for browsing and viewing by others; TubeReader can develop online communities around video sharing.
Our site allow users to create a personalized video playlist, for personal use as well as for browsing and viewing by others.
@YouTubeReaderBot allows you to subscribe to Youtube channels.
By using @YouTubeReaderBot Bot you agree with YouTube Terms of Service.
Use the @YouTubeReaderBot telegram bot to be the first to be notified when new videos are released on your favorite channels.
Look for new videos or channels and share them with your friends.
You can start using our bot from this video, subscribe now to حذف خودکار تپق ها در مدل جدید تبدیل گفتار به متن گوگل | Gemini 3.5 Transcribe
What is YouTube?
YouTube is a free video sharing website that makes it easy to watch online videos. You can even create and upload your own videos to share with others. Originally created in 2005, YouTube is now one of the most popular sites on the Web, with visitors watching around 6 billion hours of video every month.
