Google推出Gemini 3.5 Transcribe，嘈杂环境下的语音识别新标杆

Google正式发布了Gemini系列中语音转文字精度最高的模型——Gemini 3.5 Transcribe。该模型通过创新的技术架构，重点攻克了嘈杂环境、专业术语误读及自然口语冗余等行业痛点。在流式语音转写场景下，其平均词错误率（WER）已降至4.0%，非流式识别精度更达到2.6%。

新模型在功能设计上极具人性化，支持自动格式化、口语填充词（如“嗯”、“啊”）的智能过滤以及自定义词汇表的精准捕捉。此外，得益于Gemini全链路协作的特性，转写生成的文本能直接交由其他模型进行分析或图像生成，从而实现从语音输入到复杂任务执行的完整流转。

目前，Gemini 3.5 Transcribe已在Google AI Studio及相关API平台开放预览，并已集成至macOS平台的Gemini应用及Android系统的Gboard中。Google表示，未来还将把该功能引入Chrome浏览器，让语音输入无处不在。随着其与Waymo自动驾驶出租车等产品的深度接入，Google正在以极高的节奏构建全场景AI生态矩阵。