谷歌发布 Gemini 3.5 Transcribe

谷歌发布 Gemini 3.5 Transcribe，这是目前最准确的谷歌语音转写模型，也是谷歌首次在专用转写模型中加入 Smart 模式。该模型分为实时转写和录音转写两个版本，目前已在 Gemini API 开放公测。

根据 Artificial Analysis 评测，非流式 WER 为 2.6%，实时版为 4.0%。与上一代 Chirp 3 相比，最终转写延迟缩短了 70%。

Smart 模式不再只是逐字转写。比如用户说“周二开会，不，周三”，系统会直接保留“周三”；“嗯”“啊”等口头禅也会自动删除，同时还能把口语整理成段落、列表、日期和数字。需要会议纪要原话时，也可以继续使用默认的逐字转录模式。

该模型支持 85 种以上语言，并支持中途切换语言，还可加入自定义专业词汇。录音转写价格约为每分钟 0.005 美元，实时版约为每分钟 0.009 美元。

在独立榜单上，它的准确率超过了 OpenAI GPT Transcribe 的 3.3%，但仍低于 ElevenLabs Scribe v2 的 2.2%。此外，Gemini 3.5 Transcribe 已用于 Android 的 Rambler 和 macOS 版 Gemini，后续还会进入 Chrome。