谷歌Gemini 3.5 Transcribe在85种语言中将语音转文本，错误率降低70%

谷歌推出了Gemini 3.5 Transcribe，一款能够实时识别超过85种语言的语音转文本模型。其流媒体字错误率为4.0%，录音字错误率为2.6%，比其前身Chirp 3的延迟降低了70%。该模型可以自动纠正口误，去除填充词，并自动格式化文本。该模型通过两个接口提供：用于实时流媒体的Live API和用于录音音频的Interactions API，后者具有说话者属性和时间戳。Gemini 3.5 Transcribe已在Google AI Studio和Gemini Enterprise Agent平台上线，并已集成到Android的Gboard和macOS上的Gemini应用程序中。