Google presenta Gemini 3.5 Transcribe, modelo de voz a texto

El 26 de agosto de 2026, Google DeepMind presentó Gemini 3.5 Transcribe, su último modelo de voz a texto diseñado para la transcripción en tiempo real precisa e inteligente. El modelo convierte audio sin procesar en texto preciso, pulido y formateado, manejando ruido de fondo, jerga compleja y limpieza de disfluencias. Ofrece atribución de múltiples hablantes y marcas de tiempo a nivel de palabra, y admite cambios de idioma en vivo. En comparación con su predecesor Chirp 3, mejora el tiempo hasta la transcripción final en un 70% y logra una tasa de error de palabra (WER) del 5,50% en modo streaming y del 5,04% en modo no streaming en el punto de referencia FLEURS. El modelo está disponible a través de la API de Gemini en Google AI Studio y la Plataforma Gemini Enterprise Agent, y está integrado en superficies de Google como Gboard, Antigravity, la aplicación Gemini y Chrome. Plataformas de desarrolladores como Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel y Vision Agents admiten la creación de interfaces controladas por voz con él. Empresas como vivo, Intellitek Health y Lingopal han proporcionado comentarios positivos.