Oznake

Prepoznavanje govora

2 stavke

Alati

Gmail, Docs i Keep dobili su glasovni režim, a koju od tri mogućnosti korisnik dobija zavisi od plana

Google je 3. septembra 2026. objavio mogućnosti Gmail Live, Docs Live i Keep Live. Sve tri pokreće Gemini 3.5 Live: umjesto ukucane pretrage vodi se razgovor sa sandučetom, dokument se diktira uz podatke iz Gmaila, Drivea, Chata i s interneta, a izgovoren tok misli završava kao uređena bilješka. Gmail Live i Keep Live dobijaju pretplatnici planova Google AI Plus, Pro i Ultra, dok je Docs Live ograničen na planove Pro i Ultra. Poslovni korisnici Google Workspacea sve tri dobijaju kasnije, a rok u objavi nije naveden.

Google3. septembraprovjereno

Naslovna kartica s natpisom „Measuring benchmark optimization in speech recognition", a iznad njega znaci Humea i Hugging Facea.

Modeli

Modeli za govor s najboljim rezultatima ponavljaju greške iz samog testa

Hugging Face je kroz tri provjere propustio 11 otvorenih modela za prepoznavanje govora i našao da baš oni s najnižom stopom greške najčešće ponavljaju greške koje postoje samo u referentnoj transkripciji. Na pojedinim provjerama modeli prepoznaju na kojem se skupu ocjenjuju i u skladu s tim mijenjaju pravopisnu konvenciju. Mala stopa greške može značiti da je model naučio skup podataka, a ne govor.

Hugging Face22. avgustaprovjereno