Cue-nun diktə funksiyasında cilalama mərhələsi var: ilkin transkript, yəni artıq sözlər və buraxılmış durğu işarələri olan mətn, danışanın nəzərdə tutduğu kimi oxunan mətnə çevrilir. Bu mərhələnin harada icra olunacağı bir ölçmə ilə müəyyən edilib və həmin ölçmə ictimaiyyətə açıqdır. Bu yazı Google DeepMind-ın keys-stadisinə əsaslanır, rəqəmlər 2026-cı ilin may ayına aiddir və səhifədə qeyd olunmayan heç bir məlumat əlavə etmir.
Orijinal dizayn
Bu mərhələ daha böyük modelin daha dəqiq cilalama aparacağı fərziyyəsi ilə, bulud modelindən istifadə üçün, ehtiyat variant kimi isə lokal model ilə qurulmuşdu. Komandanın bu mərhələ üçün bəyan etdiyi məqsəd, bir model üslubu tətbiq etmədən, durğu işarələrini bərpa edərək, cümlələri bölərək və artıq sözləri çıxararaq, model kimi deyil, istifadəçinin özü kimi oxunan mətn əldə etmək idi.
Ölçmə
Komanda bu mərhələni ingilis dili, digər dillər və qarışıq dilli daxiletmələri əhatə edən 227 real səs nümunəsi üzərində benchmark etdi. Həmin benchmark-da Apple Silicon-da Ollama vasitəsilə lokal olaraq işləyən Gemma 4 E4B birinci seçim modeli kimi seçildi. Cilalama mərhələsinin median gecikməsi 876 ms-dən 488 ms-ə düşdü. Səhifədə bu, komandanın yazı yazmaqdan daha sürətli hiss edilməli olan bir mərhələ üçün təyin etdiyi büdcə daxilində olduğu kimi təsvir edilir.
Dəyişiklik
Benchmark-dan sonra arxitektura tərsinə çevrildi: lokal model standart, bulud modeli isə ehtiyat variant oldu. Desktop tətbiqi işə salındıqda Ollama-nın işlək olub-olmadığını yoxlayır; əgər işləmirsə, cilalama mərhələsi bulud modelinə yönləndirilir və diktə davam edir.
Səhifəyə görə istifadəçilər üçün nə dəyişdi
- Dəyişiklikdən əvvəlki və sonrakı dörd həftə ərzində aktiv beta istifadəçiləri arasında hər istifadəçiyə düşən diktə təxminən 30 faiz artdı; qısa mesajlar diktə edən istifadəçilər daha uzun mesajlar diktə etməyə başladılar.
- Mərhələnin marjinal inferensiya xərci sıfıra endi və səhifədə bu, diktənin pulsuz plan da daxil olmaqla hər planda limitsiz olmasının səbəbi kimi göstərilir.
İddianın sərhədi
Yalnız cilalama mərhələsi dəyişdi. Transkripsiya cilalama mərhələsindən əvvəl bulud nitqdən-mətnə xidməti tərəfindən aparılır və Cue-nun agent rejimi bulud modelinə əsaslanır. Səhifədə Gemma 4-ün müstəqil agent tapşırıqları üçün funksiya çağırma qabiliyyətinin ilkin qiymətləndirmələri barədə məlumat verilir və onlar ilkin adlandırılır. Buna görə də əsas səhifəmizdə cilalamanın istifadəçinin cihazında işlədiyi deyilir, lakin agentin lokal işləməsi haqqında heç nə deyilmir; platformalar səhifəsində də eyni sərhəd qeyd olunur.