谷歌发布 Gemini 3.5 Transcribe 语音转文本模型，优化语音输入体验

谷歌近日推出 Gemini 3.5 Transcribe 语音转文本模型，旨在优化语音输入体验。该模型能自动删除语音中的“嗯”“呃”等口头禅，并修正说错后自行纠正的内容，生成更通顺的文本。目前，该模型已支持 Pixel 11 上 Gboard 键盘的“Rambler”功能，未来将逐步应用于谷歌旗下更多产品和服务。

与之前的 Chirp 3 引擎相比，Gemini 3.5 Transcribe 在速度和准确性上均有提升。整体转录速度预计提升约 70%，实时语音场景下的错误率降至 5.5%，而 Chirp 3 的错误率为 7.32%。模型支持 85 种语言，可处理最多包含 3 名说话者的预录音频。

此外，该模型能理解用户意图，自动清理表达不一致和说话磕绊，但可能改变用户原本措辞，因此不适用于需严格保留原话的场景。用户还可自定义词汇表，以提高专业术语识别准确性。