Google'dan Gemini 3.5 Transcribe ve Omni 1.1 Flash

Bir hukuk bürosunda üç saatlik müvekkil toplantısının notunu çıkaran stajyer avukatı düşünün: ses kaydını açıp durdura durdura yazması yarım gün alır, "ııı" ve "şey"leri temizlemek de cabası. Google'ın 26 Ağustos'ta önizlemeye açtığı Gemini 3.5 Transcribe tam bu masaya hitap ediyor: ham sesi doğrudan noktalanmış, biçimlendirilmiş ve dolgu kelimelerden arınmış metne çeviriyor. Bir gün sonra da video üretim modeli Gemini Omni 1.1 Flash geliştiricilere açıldı.

Transcribe: 85 dilde, Türkçe dahil

Model, konuşulan dili kendisi tespit ediyor ve 85'ten fazla dili destekliyor; Türkçe listede. Google'ın açıkladığı rakamlar: kayıttan yazıya çevirmede yüzde 2,6, canlı akışta yüzde 4,0 kelime hata oranı. Çok dilli FLEURS testinde ise sırasıyla yüzde 5,04 ve 5,50. Bir önceki nesil Chirp 3'e göre gecikme yüzde 70 azalmış.

Stajyerimizin işine yarayacak özellikler de var: üç konuşmacıya kadar ayırt etme, kelime düzeyinde zaman damgası, özel sözlük (şirket adları, sektör terimleri) ve konuşmacı kendini düzelttiğinde son hâlini yazma. Modele Gemini API (Google AI Studio) ve Gemini Enterprise Agent Platform üzerinden erişiliyor; Android'de Gboard'un "Rambler" özelliği ve macOS Gemini uygulaması da aynı modeli kullanıyor, Chrome sırada. Google duyuruda fiyat vermedi; API fiyat tablosu token bazlı çalışıyor, üçüncü taraf hesaplamaları dakika başına yarım sentin altına işaret ediyor ama bunu kendi kullanımınızla test etmenizi öneririz.

Omni 1.1 Flash: 40 saniyelik sahneler

Video tarafında yenilik daha çok "kontrol" üzerine. Omni 1.1 Flash, üretilen bir videoyu 10 saniyelik parçalar hâlinde toplam 40 saniyeye kadar uzatabiliyor ve bunu yaparken önceki 10 saniyeye bakıyor (eski sürüm yalnızca son saniyeyi referans alıyordu; tutarsız geçişlerin ana nedeni buydu). Başlangıç ve bitiş karesini siz belirleyebiliyor, üç saniyelik bir video parçasını referans verebiliyorsunuz. 360p "taslak modu" standart 720p'ye göre yüzde 60 daha hızlı ve üçte bir maliyetle çalışıyor; beğendiğiniz sahneyi 1080p ya da 4K'ya yükseltiyorsunuz. Adobe, Figma Weave, Runway ve GMI Cloud modeli ürünlerine şimdiden bağlamış.

Sahadan bakış

İki duyurunun ortak noktası, Google'ın modelleri artık "her şeyi yapan sohbet modeli" başlığı altında değil, tek işi çok iyi yapan uzman araçlar olarak paketlemesi. Türkiye'deki işletmeler için asıl kanca Transcribe: çağrı merkezi kayıtları, yönetim kurulu toplantıları, saha teknisyeninin sesli raporu ya da doktorun hasta notu, hepsi Türkçe ve hepsi bugüne kadar ya elle yazıldı ya da eski motorlarla hatalı çevrildi. Yüzde 2,6 hata oranı, İngilizce ağırlıklı bir ortalama; Türkçedeki gerçek oranı görmek için kendi kayıtlarınızdan 20-30 dakikalık bir örnekle test etmenizi, konuşmacı ayrımının Türkçede nasıl davrandığına özellikle bakmanızı öneririz. Sonuç iyi çıkarsa toplantı notu, görüşme özeti ve arşivde arama gibi işler bir hafta içinde otomatikleşebilir.

Kaynaklar: Google (Gemini 3.5 Transcribe), Google (Gemini Omni 1.1 Flash)