По сообщению Google (август 2026 г.). Даты запуска, доступность функций и сравнительные результаты ниже относятся к этому сообщению и отражают данные разработчика. Первоисточник.
Интеллектуальная транскрипция с Gemini 3.5 Transcribe
Наш новейший модель для преобразования речи в текст, разработанная для точной и интеллектуальной транскрипции в реальном времени.
Старший директор по инженерии, Gemini Audio
Штаб‑квартира руководителя, Gemini Audio, от имени команды Gemini Audio
Ваш браузер не поддерживает аудиоэлемент.
Сегодня мы представляем Gemini 3.5 Transcribe — нашу самую точную модель преобразования речи в текст на сегодняшний день, созданную для интеллектуального голосового взаимодействия. В отличие от традиционных моделей распознавания речи, которые испытывают трудности с фоновым шумом, сложной терминологией и очисткой дисфлюенций, Gemini 3.5 Transcribe преобразует необработанный аудиопоток непосредственно в точный, отформатированный и очищенный текст.
В наших продуктах, таких как приложение Gemini и на Android, пользователи уже получают преимущества этой модели транскрипции благодаря новым голосовым возможностям, таким как Rambler на Android и в приложении Gemini на macOS. Теперь разработчики могут создавать аналогичные возможности с помощью Gemini 3.5 Transcribe через Gemini API в Google AI Studio и платформу Gemini Enterprise Agent.
Мы создали 3.5 Transcribe так, чтобы он бесшовно интегрировался в рабочие процессы разработчиков, независимо от того, создаёте ли вы голосовых агентов, инструменты субтитрирования в реальном времени или конвейеры пост‑аналитики звонков. Модель доступна через два отдельных API:
- Поток в реальном времени: обеспечивает непрерывную двунаправленную потоковую передачу с задержкой менее секунды для интерактивных голосовых приложений через Live API с использованием gemini-3.5-transcribe-live.
- Обработка предварительно записанного аудио: транскрибирует записанное аудио, совещания, журналы звонков и другое с указанием говорящих и пометками времени на уровне слов через Interactions API с использованием gemini-3.5-transcribe.
Более точная и интеллектуальная транскрипция
Gemini 3.5 Transcribe разработан для захвата естественного стиля речи, лучшего понимания намерений и распознавания пользовательской лексики, чтобы вы могли выполнять задачи голосом.
- Умная транскрипция: без проблем обрабатывает самопоправления (например, «встретимся во вторник — нет, в среду»), удаляет слова‑заполнители («эм», «аа») и автоматически форматирует текст.
- Вызов функций: модель может делегировать сложные задачи (например, генерацию изображений и анализ файлов) другим моделям Gemini через вызовы функций. В настоящее время доступно в приложении Gemini для macOS.
- Более точная транскрипция: по данным Artificial Analysis достигает среднего показателя Word Error Rate (WER) 4,0% для потоковых сценариев и 2,6% для непотоковых. Модель демонстрирует высокую эффективность в шумной реальной среде, точно распознавая буквенно‑цифровые сущности, такие как почтовые индексы и номера заказов.
- Пользовательская лексика: распознаёт специализированный жаргон и уникальные написания, адаптируя транскрипцию под предоставленный вами словарь.
- Глобальная языковая поддержка: автоматически определяет и транскрибирует более 85 языков, корректно обрабатывая региональные акценты и разнообразные диалекты.
- Идентификация нескольких говорящих: точно распределяет реплики в предварительно записанном аудио с отметками времени на уровне слов для до трёх говорящих (поддержка более 3 говорящих находится в экспериментальной стадии).
Gemini 3.5 Transcribe обрабатывает живые переключения языков и обеспечивает бесшовную потоковую транскрипцию. Посмотрите, как Gemini 3.5 Transcribe очищает дисфлюенции речи с помощью возможностей умной транскрипции. 3.5 Transcribe предоставляет транскрипцию с указанием нескольких говорящих и пометками времени на уровне слов.
Эффективность Gemini 3.5 Transcribe представляет собой значительный шаг вперёд по сравнению с нашей предыдущей моделью транскрипции Chirp 3, предлагая новые возможности, улучшенные показатели ошибок слов и значительно меньшую задержку. По данным Artificial Analysis, время до окончательной транскрипции, например, сокращается на 70%. На бенчмарке FLEURS по набору основных языков и локалей модель обеспечивает точную многоязычную производительность, превосходя Chirp 3 и достигая 5,50% WER в потоковом режиме и 5,04% WER в непотоковых сценариях.
Опыт умной транскрипции и расширённого диктования
Помимо Gemini API в Google AI Studio и платформы Gemini Enterprise Agent, 3.5 Transcribe выходит за рамки стандартного преобразования речи в текст, делая работу в Google более естественной и интуитивной. Внедряя контекстно‑осознанное понимание непосредственно в повседневные интерфейсы, такие как Gboard, Antigravity, приложение Gemini и Chrome, модель улавливает нюансы, намерения и встроенные правки с лёгкостью.
- В Gboard на Android, через новую функцию Rambler, 3.5 Transcribe превращает устные мысли в хорошо отформатированный текст, отфильтровывая слова‑заполнители. Вы также можете голосом вносить правки, исправлять опечатки и менять стиль письма.
- В Google Antigravity 3.5 Transcribe сочетает контекст экрана и историю чата, с вашего разрешения, чтобы обеспечить точную транскрипцию имён файлов, мыслей агента и активных документов.
- В Google AI Studio вы можете получить доступ к 3.5 Transcribe в режиме Build для создания кодовых приложений голосом на ходу.
- В приложении Gemini на macOS 3.5 Transcribe не только транскрибирует вашу свободную естественную речь в чистый отформатированный текст, но и поддерживает голосовые команды, которые могут бесшовно работать с контекстом экрана для выполнения сложных рабочих процессов. Обращаясь в фоновом режиме к другим моделям Gemini для выполнения тяжёлых задач, модель облегчает суммирование локальных файлов, перенос текста между приложениями или генерацию изображений прямо у курсора — используя только голос.
Скоро в Chrome вы сможете говорить, чтобы печатать в любом веб‑поле — это позволит легко диктовать ответы, составлять публикации или более естественно и удобно работать с Gemini в Chrome голосом.
Gemini 3.5 Transcribe позволяет анализировать файлы, генерировать изображения и выполнять поиск в приложении Gemini на macOS, используя только голос. Посмотрите, как Gemini 3.5 Transcribe использует Rambler на Android для автоматического удаления слов‑заполнителей и очистки речи. Gemini 3.5 Transcribe использует контекст экрана в Google Antigravity для обеспечения точной транскрипции.
Благодаря использованию Gemini Live API платформы разработчиков, такие как Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel и Vision Agents, позволяют разработчикам создавать и развёртывать высокопроизводительные голосовые интерфейсы с лёгкостью. Эти платформы управляют сложной инфраструктурой потоковой передачи медиа в реальном времени за кулисами, позволяя разработчикам полностью сосредоточиться на создании пользовательского опыта.
Компании, такие как vivo, Intellitek Health и Lingopal, также поделились положительными отзывами о 3.5 Transcribe, отмечая впечатляющую задержку, точность и широкую языковую поддержку.
Для разработчиков: доступен в публичном превью через Gemini API в Google AI Studio и Google Antigravity.
Для предприятий: доступен в публичном превью через платформу Gemini Enterprise Agent и скоро появится в Gemini Enterprise for Customer Experience.
Для всех: доступен в приложении Gemini на macOS на английском языке, Rambler на Android в избранных странах и языках и скоро появится в Chrome.
Получайте последние новости от Google по электронной почте. Подпишитесь на наши рассылки с обновлениями продуктов, информацией о мероприятиях, специальными предложениями и прочим.
Проверьте свою почту, чтобы подтвердить подписку. Вы также можете подписаться, используя другой адрес электронной почты. Ваша информация будет использоваться в соответствии с политикой конфиденциальности Google. Вы можете отказаться в любое время.
Разработка Gemini 4 Argon ответственно и безопасно. Gemini 4 Argon теперь доступен для разработчиков. Gemini 4 Argon: создан, чтобы решать ваши самые сложные задачи. Последние новости в области ИИ, которые мы анонсировали в сентябре 2026 года. Gemini 4 Argon: наша следующая эра передового интеллекта. Смотрите, что создают четыре разработчика с помощью Gemini 3.8 Flash.