Gemini 3.5 Transcribe

Gemini 3.5 Transcribe 是 Google 的語音轉文字模型，支援即時與錄音轉寫，可將口語快速轉成乾淨、格式化文字，並支援多語言、時間戳記與說話者標註。

AI語音辨識

語音轉文字

字幕製作

語音轉文字

訪問網站

概述

Gemini 3.5 Transcribe 是 Google 的語音轉文字模型，用於智慧型轉寫。公告將其定位為更精確的選項，適合即時語音互動，以及將錄製音訊轉換成乾淨、格式化文字。

該模型旨在處理常見的轉寫問題，例如背景噪音、術語、贅語與句中修正。它可透過 Google AI Studio 與 Gemini Enterprise Agent Platform 中的 Gemini API 使用，也為 Google 產品中的語音功能提供支援，例如 macOS 上的 Gemini app 與 Android 上的 Rambler。

主要功能

智慧型即時轉寫

即使音訊包含雜訊、術語或自我修正，模型也能將語音轉寫為精緻文字。

透過 Live API 的低延遲串流

Live API 支援持續的雙向串流，延遲低於一秒，適用於互動式語音應用程式。

錄製音訊處理

Interactions API 可處理錄製音訊、會議與通話記錄，並可回傳說話者標註與逐字時間戳記。

多語言偵測

模型會自動偵測並轉寫超過 85 種語言，包括區域口音與方言，並可處理即時語言切換。

自訂詞彙支援

可透過使用者提供的自訂詞彙，辨識專業術語與獨特拼寫。

支援語音驅動的函式呼叫

模型可透過函式呼叫委派圖像生成與檔案分析等任務，目前可在 Gemini macOS app 中使用。

實際使用案例

互動式語音應用程式
打造需要低延遲、雙向串流與持續語音轉文字的語音代理與其他互動式應用程式。
會議與通話轉寫
轉寫會議、通話錄音與音訊記錄，並運用說話者標註與時間戳記來回顧內容與發言者。
即時字幕
建立在音訊仍在擷取時即可提供轉寫輸出的即時字幕工具。
語音驅動的生產力
在 macOS 上的 Gemini app 或 Android 工作流程中使用語音指令來口述、編輯、摘要，或將語音整理成精緻文字。
通話後分析
將錄製音訊用於通話後分析流程，以便為後續分析提供精確且格式化的文字。

Pros and Cons

Pros

同時支援即時串流與預錄轉寫工作流程。
針對錄製音訊提供說話者標註與逐字時間戳記。
可自動偵測並轉寫超過 85 種語言。
可處理背景噪音、術語、填充詞與自我修正。
開發者可透過 Google AI Studio 與 Gemini Enterprise Agent Platform 使用。

Cons

來源頁面未公布價格。
部分消費者功能僅部分提供，例如 Android 上的 Rambler 只在特定國家與語言可用、Chrome 即將推出，以及標示為實驗性的 3+ 說話者支援。

FAQ

開發者如何存取 Gemini 3.5 Transcribe？

開發者可以透過 Google AI Studio 的 Gemini API，以及 Gemini Enterprise Agent Platform 存取 Gemini 3.5 Transcribe。公告也指出，這項功能目前向開發者開放公開預覽。

它支援哪些轉寫工作流程？

頁面說明了兩種 API 路徑：用於即時串流、具備次秒級延遲的 Live API，以及用於錄製音訊並提供說話者標註與逐字時間戳記的 Interactions API。

它是為了處理哪些轉寫挑戰而設計的？

它的設計可處理背景噪音、複雜術語、流暢度修正、自訂詞彙，以及超過 85 種語言，包括區域口音與方言。

Gemini 3.5 Transcribe 在 Google 產品中可於何處使用？

公告表示，這個模型在 macOS 上的 Gemini app 中提供給所有人，支援英文；在 Android 上的 Rambler 則於部分國家與語言提供，Chrome 也即將推出。

Gemini 3.5 Transcribe 有公布價格嗎？

來源未提供公開價格資訊，只說明這個模型已在開發者與企業存取管道中進入公開預覽。

Quick Facts

類別: 語音轉文字 / 轉寫
主要使用者: 開發者、企業與消費者應用程式使用者
存取方式: Google AI Studio 中的 Gemini API；Gemini Enterprise Agent Platform；macOS 上的 Gemini app；Android 上的 Rambler
API 模式: 用於即時串流的 Live API；用於預錄音訊的 Interactions API
語言: 85+ 種語言，含區域口音與方言
來源網域: blog.google