Google宣布推出Gemini 3.5 Transcribe,用于AI驱动的语音转文本
摘要
Google已宣布Gemini 3.5 Transcribe,这是一款用于语音转文本的AI模型,通过移除如“嗯”这样的填充词并支持85种语言来提高速度和准确性,正在其生态系统中推出。
<p>在我们等待(<a href="https://arstechnica.com/ai/2026/08/google-says-gemini-has-reached-1b-users-faster-than-any-other-google-product/">可能徒劳</a>)Gemini 3.5 Pro推出的同时,Google正在3.5系列中发布另一个模型。该公司宣布了Gemini 3.5 Transcribe,这是一款旨在通过编辑掉“嗯”和修正来简化语音输入、输出精炼AI文本的AI模型。该模型已经驱动了Pixel 11上的Gboard“Rambler”功能,但即将出现在整个Google生态系统中。</p>
<p>根据Google的说法,Gemini 3.5 Transcribe比其之前的语音转文本引擎Chirp 3更快、更准确。这款新的AI模型从语音到最终转录文本的速度应该快约70%,实时语音错误率已降至5.5%。这只比Chirp 3稍好,Google测量为7.32%。尽管如此,使用语音输入时修复打字错误很麻烦,所以这里的任何改进都是有益的。</p>
<p><a href="https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp.png"><img width="1000" height="562" src="https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp.png" class="fullwidth full" alt="" decoding="async" loading="lazy" srcset="https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp.png 1000w, https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp-640x360.png 640w, https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp-768x432.png 768w, https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp-384x216.png 384w, https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp-980x551.png 980w" sizes="auto, (max-width: 1000px) 100vw, 1000px">
图片来源:
Google
</a></p><p><a href="https://arstechnica.com/ai/2026/08/google-announces-gemini-3-5-transcribe-for-ai-powered-speech-to-text/">阅读全文</a></p>
<p><a href="https://arstechnica.com/ai/2026/08/google-announces-gemini-3-5-transcribe-for-ai-powered-speech-to-text/#comments">评论</a></p>
查看缓存全文
缓存时间: 2026/08/26 21:18
# 谷歌发布Gemini 3.5 Transcribe:AI驱动的语音转文本模型
来源:https://arstechnica.com/ai/2026/08/google-announces-gemini-3-5-transcribe-for-ai-powered-speech-to-text/
在我们等待(可能徒劳无功(https://arstechnica.com/ai/2026/08/google-says-gemini-has-reached-1b-users-faster-than-any-other-google-product/))Gemini 3.5 Pro发布的同时,谷歌在3.5系列中推出了另一款新模型。该公司宣布推出Gemini 3.5 Transcribe,这是一款旨在通过剪除“嗯”“啊”等语气词和修正语,输出精炼AI文本来优化语音输入的AI模型。这款模型已在Pixel 11 (https://arstechnica.com/gadgets/2026/08/google-pixel-11-series-review-is-the-magic-fading/)的Gboard“随言”功能中投入使用,且即将在谷歌全生态系统内推广。
据谷歌介绍,Gemini 3.5 Transcribe在速度和准确性上均显著超越其前代语音转文字引擎——Chirp 3。这款新AI模型从语音到最终转录文本的速度提升约70%,实时语音错误率已降至5.5%。虽然这一数字仅略优于谷歌测得的Chirp 3的7.32%,但考虑到使用语音输入时修正拼写错误的繁琐,任何改进都具有实用价值。
https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp.png[](https://cdn.arstechnica.net/wp-content/uploads/2026/08/gemini-3.5-audio-transcribe_fleu.width-1000.format-webp.png)
*图片来源:谷歌*
新模型不仅在识别语音方面表现更优,还能更精准地把握用户真实意图。在语音输入过程中,Gemini 3.5 Transcribe能智能剔除意识流中杂乱的语气词,并支持实时文本编辑(当用户需要自我修正时)。它还能调用用户自定义词汇库处理“专业术语”,支持85种语言,最多可识别预录音频中的三位说话者。
当然,其局限性在于需要依赖AI准确理解语音内涵。从我的“随言”功能测试来看,该模型在处理短文本时能有效清理语言不连贯和口误,但AI本质上改变了用户原话的措辞——这在某些正式场合可能并不适用。
相似文章
Gemini 3.5 Transcribe 智能转录
Google 推出 Gemini 3.5 Transcribe,这是一款新的 AI 模型,提供精确且智能的实时语音转文本转录,开发者可通过 API 获取。
@GoogleDeepMind: Gemini 3.5 Transcribe 是我们最新的语音转文本模型,用于精确和智能的转录。
Google DeepMind 宣布 Gemini 3.5 Transcribe,这是一个新的语音转文本模型,用于精确和智能的转录。
Google发布Gemini 3.5 Live Translate,实现即时语音到语音翻译
Google发布Gemini 3.5 Live Translate,这是一种语音到语音模型,可在70多种语言中提供即时语音翻译,并正在Google生态系统中推广。
Google的新型AI转录功能自动移除你的'呃'和'啊'
Google发布Gemini 3.5 Transcribe,这是一种AI模型,通过自动移除填充词、支持超过85种语言以及提供自定义词汇和说话人归属来改善音频转录。
借助 Gemini 3.5 Live Translate 实现流畅自然的语音翻译
Google 发布了 Gemini 3.5 Live Translate,这是一款音频模型,支持超过 70 种语言的近乎实时的语音到语音翻译,并保留说话者的语调和节奏。该功能正在 Google 产品中逐步推出,包括 Gemini Live API、Google Meet 和 Google Translate。