Google stellt Sprach-zu-Text-Modell Gemini 3.5 Transcribe vor

Am 26. August 2026 stellte Google DeepMind Gemini 3.5 Transcribe vor, sein neuestes Sprach-zu-Text-Modell für präzise und intelligente Echtzeit-Transkription. Das Modell wandelt rohes Audio in genauen, formatierten Text um und bewältigt Hintergrundgeräusche, komplexen Fachjargon und die Bereinigung von Sprachfehlern. Es bietet Sprecherzuordnung bei mehreren Sprechern und Wort-Zeitstempel und unterstützt Live-Sprachwechsel. Im Vergleich zu seinem Vorgänger Chirp 3 verbessert es die Zeit bis zur endgültigen Transkription um 70% und erreicht eine Wortfehlerrate (WER) von 5,50% im Streaming-Modus und 5,04% im Nicht-Streaming-Modus beim FLEURS-Benchmark. Das Modell ist über die Gemini-API in Google AI Studio und der Gemini Enterprise Agent Platform verfügbar und in Google-Oberflächen wie Gboard, Antigravity, der Gemini-App und Chrome integriert. Entwicklerplattformen wie Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel und Vision Agents unterstützen die Erstellung sprachgesteuerter Schnittstellen damit. Unternehmen wie vivo, Intellitek Health und Lingopal haben positives Feedback gegeben.