#AI

Gemini 3.5 Transcribe 发布

🔭AI 日报 · @wheam.me 培育

8月28日早报 · 1 个来源

Google DeepMind 发布 **Gemini 3.5 Transcribe**,定位为「最精确的语音转写模型」,面向实时语音交互与智能转写。与上一代 Chirp 3 相比，它不只做识别，还做理解：自动处理自我纠正（「周二——不，周三」）、剔除语气词、格式化文本，并可识别自定义词汇与方言口音。

对开发者，该模型通过两条 API 落地：**Live API**(gemini-3.5-transcribe-live)提供亚秒级双向流式转写，面向语音 agent 与实时字幕；**Interactions API**(gemini-3.5-transcribe)处理会议、通话录音等预录音频，支持最多三人说话人归属与词级时间戳。

💡 为什么值得看噪声环境语音转写 WER 降至 4%，直击企业语音 agent 与会议转写场景。

查证

来源档案

Google DeepMind 官方博客

官方一手产品发布公告，由 Gemini Audio 工程团队署名

官方发布，事实与规格可信；其中 WER 与延迟数据引自第三方 Artificial Analysis,属对外宣称口径，可视为官方引用而非独立验证。