Google Gemini ahora puede recibir tus archivos de audio
Gemini de Google finalmente ha agregado la capacidad de subir y analizar archivos de audio. Esta nueva función toma tus archivos de audio, incluidos formatos comunes como MP3, M4A y WAV, y puede transcribir, resumir y extraer detalles clave del contenido.
La función ya está disponible en Android, iOS y la web. Puedes acceder a la nueva función a través del menú de más en la aplicación móvil de Gemini o la opción de Subir archivos en la web. Desde allí, solo selecciona un archivo de audio de tu dispositivo. Luego, analizará todo lo que le pongas y hará que sea increíblemente fácil encontrar detalles en tu contenido, ya sea una reunión grabada, una entrevista, una conferencia o incluso una nota de voz personal.
Desafortunadamente, el nuevo servicio de transcripción viene con límites de uso por niveles, que serán diferentes para los usuarios gratuitos y aquellos con una suscripción paga. Para los usuarios de la categoría gratuita, la duración total del audio que se puede subir y analizar está limitada a 10 minutos. Esto es increíblemente generoso por parte de Google, y ofrece más tiempo para archivos de audio que cualquier otro servicio de transcripción gratuito que he visto.
El límite de tiempo no es la única restricción a la que debes prestar atención. Puedes subir hasta 10 archivos de cualquier formato soportado en un solo mensaje por defecto. Esto incluye carpetas de código con hasta 5,000 archivos, repositorios de GitHub y archivos ZIP que contengan hasta 10 archivos comprimidos. La actualización de audio no amplía este límite, pero cuenta para el límite de 10 archivos que puedes subir a la vez.
Si vas a usarlo para transcribir, te recomendaría devolver el script a Gemini y preguntar si hay algo ahí que no esté en el archivo de audio. Esto es por si acaso la IA comete errores en algún momento, porque 10 minutos a tres horas es mucho tiempo para cualquier IA, y personalmente no confiaría completamente en que no confunda palabras o alucine.
Ten en cuenta que una vez que se sube un archivo de audio, Gemini puede hacer más que simplemente convertirlo a texto. Los usuarios pueden solicitar a la IA que resuma los puntos clave, identifique a los diferentes hablantes o incluso extraiga elementos de acción o citas específicas. Esto convierte un archivo de audio en bruto en un documento estructurado, buscable y muy útil.
Para los usuarios avanzados y profesionales que necesitan capacidades de transcripción más extensas, Google está ofreciendo límites significativamente más altos. Los suscriptores de Google AI Pro o Google AI Ultra pueden cargar hasta tres horas de audio. Este es un gran aumento que hace que el servicio sea excelente para transcribir contenido de formato largo como podcasts, entrevistas completas o seminarios. Puedo imaginar que cualquier persona que dirija un negocio o trabaje en transcripciones podría aprovechar el bajo costo mensual de $20 del Plan AI Pro.
He ahorrado mucho tiempo poniendo enlaces de YouTube en Gemini para encontrar el momento que busco en videos de una hora. Gemini es excelente para prestar atención a lo que sucede en los enlaces de video, así que sé que esta actualización para el audio probablemente será muy útil para los usuarios.
Fuente: Google, 9to5Google