به گزارش شبکه اطلاع‌رسانی طلا و ارز، گوگل روز پنجشنبه، ۲۷ اوت (۵ شهریور)، از جمینای ۳.۵، تازه‌ترین مدل هوش مصنوعی خود برای تبدیل صوت به متن، رونمایی کرد. این مدل برخلاف نسخه‌های قبلی، تنها به یک بخش مشخص از مرورگر کروم محدود نمی‌شود و کاربران می‌توانند آن را در نوار آدرس، فیلدهای فرم، شبکه‌های اجتماعی و حتی اسناد آنلاین فعال کنند.
این قابلیت برای کاربران عادی به معنای صرفه‌جویی در زمان است. کافی است به‌جای تایپ، صحبت کنند تا متن به‌صورت خودکار و با دقت بالا در هر فیلدی از صفحه نوشته شود. گوگل اعلام کرده دقت تشخیص گفتار در جمینای ۳.۵ نسبت به نسخه قبلی افزایش یافته و تأخیر پاسخ‌گویی هم کاهش پیدا کرده است؛ یعنی متن با فاصله زمانی کمتری بعد از حرف زدن کاربر روی صفحه ظاهر می‌شود.
چرا این مدل تازه اهمیت دارد
رقابت شرکت‌های بزرگ فناوری بر سر ابزارهای صوتی هوش مصنوعی این روزها شدت گرفته است. مایکروسافت و اپل هم قابلیت‌های مشابهی را در سیستم‌عامل‌ها و مرورگرهای خود توسعه داده‌اند. گوگل با ادغام جمینای ۳.۵ مستقیماً در کروم، پرکاربردترین مرورگر جهان، می‌کوشد کاربران بیش‌تری را با ابزارهای هوش مصنوعی خود آشنا کند.
دسترسی و شرایط استفاده
این قابلیت در حال حاضر برای کاربرانی که آخرین نسخه کروم را نصب کرده‌اند و زبان انگلیسی را به‌عنوان زبان اصلی صدا انتخاب کرده‌اند، در دسترس است. گوگل هنوز زمان دقیق افزودن زبان‌های دیگر از جمله فارسی را اعلام نکرده است. کاربران می‌توانند این ویژگی را از بخش تنظیمات مرورگر فعال یا غیرفعال کنند.
جمینای ۳.۵ ادامه مسیر گوگل در توسعه مدل‌های چندمنظوره هوش مصنوعی است که پیش‌تر با نسخه‌های جمینای ۱ و ۲ برای متن، تصویر و کدنویسی معرفی شده بودند. این شرکت پیش‌بینی می‌کند نسخه‌های بعدی جمینای، امکان تبدیل صوت به متن را برای زبان‌های محلی و لهجه‌های متنوع نیز گسترش دهد.
توسعه ابزارهای هوش مصنوعی صوتی در مرورگرها یکی از میدان‌های رقابتی است که سرمایه‌گذاران فناوری هم آن را دنبال می‌کنند، چون رشد کاربران این ابزارها می‌تواند بر ارزش سهام شرکت‌های بزرگ فناوری اثر بگذارد. با این حال گوگل جزئیات مالی یا هزینه استفاده از جمینای ۳.۵ برای کاربران را اعلام نکرده است.
نظرات کاربران