谷歌发布 Gemini 3.5 Transcribe

8 月 27 日，谷歌（Google DeepMind）发布语音转文本模型 Gemini 3.5 Transcribe，主打高精度转录与智能后处理，API 已在 Google AI Studio 和 Gemini Enterprise 上线，官方公告发布于 blog.google。该模型将传统听写能力大幅升级，是 Gemini 家族在语音方向的新成员，社区实测反馈积极。

已确认

• 支持 85+ 种语言及地区口音自动检测，支持实时流式与批量处理，词错误率（WER）更低
• 具备多说话人识别、说话人归属、词级时间戳、自定义词汇（可识别行话与专业术语）等能力
• 智能后处理：自动过滤“嗯/啊”等填充词，基于意图的智能文本改写与格式化，可将非结构化语音格式化
• 理解力增强：可准确识别电话号码、邮政编码、订单 ID，嘈杂环境下仍保持高准确率
• 支持函数调用，可与屏幕上下文结合执行语音命令；@AIAndrew 提到其利用 Visual Biasing 理解代码上下文
• 提供两款模型：标准版面向录制音频转录（含说话人归属与词级时间戳），Live 版面向实时语音应用构建，均已集成至 Google 多款产品线
• 同日，Google 还宣布 Gemini Enterprise Agent Platform 在 Google AI Studio、Google Cloud 与 antigravity 平台开启公测（据 @SabooShubham 转述）

尚未确认

• @giffmana 对转写模型引入 Function Calling 的必要性表示困惑，质疑其具体定位，官方尚未详细解释该设计意图

为什么重要

• 背景噪音、语气词填充与拼写错误是传统听写的老大难问题，该模型直接针对这些痛点，@GoogleAI 称其可实现更自然的语音输入体验
• 多说话人识别、自定义词汇与函数调用使其不只是转写工具，还能嵌入实时语音应用与企业工作流，@OfficialLoganK 等强调其开发者可用性
• 开发者 @thorwebdev 已发布演示，@SabooShubham 实测称效果出色，社区反响积极，显示其在专业场景（如行业术语识别）的落地潜力

2026-08-27 ~ 2026-08-27 · 17 条相关

• 【源头】谷歌推出 Gemini 3.5 Transcribe 语音转文本模型 — GoogleDeepMind · 2026-08-27
• 【源头】Google 发布 Gemini 3.5 Transcribe：支持 85+ 语言与智能后处理 — GoogleDeepMind · 2026-08-27
• Demis Hassabis转发：Gemini 3.5 Transcribe发布，支持多说话人识别 — demishassabis · 2026-08-27
• Google 发布 Gemini 3.5 Transcribe，主打精准听写与去噪 — GoogleAI · 2026-08-27
• 谷歌推 Gemini 3.5 Transcribe 两款模型：支持离线与实时转录 — patloeber · 2026-08-27
• Gemini 3.5 Transcribe 演示：支持智能改写与专业术语识别 — patloeber · 2026-08-27
• Google 官宣 Gemini 3.5 Transcribe，转写模型迎来新版本 — patloeber · 2026-08-27
• 谷歌发布 Gemini 3.5 Transcribe，支持 85 种语言实时转录 — OfficialLoganK · 2026-08-27
• Gemini 3.5 Transcribe 发布：能过滤废话并理解代码上下文 — AI_Andrew · 2026-08-27
• Gemini 3.5 Transcribe 上线，实测效果惊艳 — Saboo_Shubham_ · 2026-08-27
• Gemini 3.5 Transcribe 上线，Enterprise Agent Platform 公测 — Saboo_Shubham_ · 2026-08-27
• Gemini 3.5 Transcribe 发布，支持 85+ 语言与函数调用 — osanseviero · 2026-08-27
• Gemini 3.5 Transcribe 发布：转录模型为何需要 Function Calling — giffmana · 2026-08-27
• 谷歌推 Gemini 3.5 Transcribe，结合上下文实现精准语音转文字 — rseroter · 2026-08-27

另有 3 条近重复转述:GoogleAI · ammaar · osanseviero