谷歌发布 Gemini 3.5 Transcribe 语音转文本模型

8 月 27 日，谷歌发布语音转文本模型 Gemini 3.5 Transcribe，由 Sundar Pichai 在 X 上宣布正式上线。该模型主打高精度转录与智能后处理，提供预录制与实时流式（Live）两款版本，API 已在 Google AI Studio 和 Gemini Enterprise 上线，并集成至谷歌多款产品线。第三方实测数据亮眼但榜单排名非第一，社区整体反馈积极，也有人对转录模型引入函数调用表示困惑。

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；据 @stefanjblos 转述的实测，模型提供高精度逐字模式与过滤填充词的 SMART 模式两种选择
• 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，直击传统听写的背景噪音、拼写错误与语气词填充痛点
• 支持函数调用，在获得许可时可结合屏幕上下文与聊天历史（如文件名、Agent 思考过程）执行语音命令，专为 Google Antigravity 中的智能语音交互设计
• 两款模型分工明确：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
• 据 Artificial Analysis 实测：非流式转录 AA-WER 达 2.6%、排名第 5，处理速度约 84 倍实时，延迟约 0.4 秒；流式方面，Gemini 3.5 Transcribe Live 在首次部分转录测量点于语音结束检测后 0.25 秒即达 5.8% 准确度，首响快于 GPT Live 且更准
• @philschmid 实测补充：流式 WER 为 4.0%，相比 Chirp 3 最终转录时间减少 70%，并称后处理体验极佳

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
• AA-WER 排名第五意味着与头部模型仍有差距，完整对比榜单细节未在帖中给出

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、@philschmid 等实测称效果出色，显示其在专业场景（如行业术语识别、低延迟实时转录）的落地潜力

2026-08-27 ~ 2026-08-27 · 25 条相关

• 谷歌推出 Gemini 3.5 Transcribe 语音转文本模型 — GoogleDeepMind · 2026-08-27
• Google 发布 Gemini 3.5 Transcribe：支持 85+ 语言与智能后处理 — GoogleDeepMind · 2026-08-27
• 【源头】开发者实测 Gemini 3.5 Transcribe：WER 低至 2.6%，后处理体验极佳 — _philschmid · 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
• 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
• Gemini Transcribe 3.5实测：支持精准与智能模式 — stefanjblos · 2026-08-27
• 【源头】谷歌发布 Gemini 3.5 Transcribe：2.6% WER 与 0.4s 延迟 — ArtificialAnlys · 2026-08-27
• 流式转录对比：Gemini 3.5 Live 首响快于 GPT Live 且更准 — ArtificialAnlys · 2026-08-27
• Gemini 3.5 Transcribe Live 定价 $9/千分钟，高于竞品 — ArtificialAnlys · 2026-08-27
• Gemini 3.5 Transcribe 每千分钟约 9 美元，贵过 Cartesia 与 Deepgram — ArtificialAnlys · 2026-08-27
• Google 发布 Gemini 3.5 Transcribe 语音转写模型 — ocean_protocol · 2026-08-27

另有 5 条近重复转述:GoogleAI · OfficialLoganK · ammaar · osanseviero · ArtificialAnlys