谷歌Gemini 3.5 Transcribe在85種語言中將語音轉文本，錯誤率降低70%

谷歌發布了Gemini 3.5 Transcribe，一款語音轉文字模型，能夠即時辨識超過85種語言。它的串流文字錯誤率為4.0%，錄音文字錯誤率為2.6%，與前身Chirp 3相比，延遲降低了70%。該模型能自動糾正口誤、刪除填充詞並自動格式化文字。它通過兩個介面提供服務：Live API適用於即時串流，Interactions API適用於錄音語音，並具備說話者歸屬和時間戳記。Gemini 3.5 Transcribe已在Google AI Studio和Gemini企業代理平台上啟用，並已整合到適用於Android的Gboard和macOS上的Gemini應用程式中。