Google présente Gemini 3.5 Transcribe, son modèle de reconnaissance vocale

Le 26 août 2026, Google DeepMind a présenté Gemini 3.5 Transcribe, son dernier modèle de reconnaissance vocale conçu pour une transcription en temps réel précise et intelligente. Le modèle convertit l'audio brut en texte précis, soigné et formaté, en gérant le bruit de fond, le jargon complexe et le nettoyage des disfluences. Il offre l'attribution à plusieurs locuteurs et des horodatages au niveau du mot, et prend en charge les changements de langue en direct. Par rapport à son prédécesseur Chirp 3, il améliore le temps de transcription finale de 70 % et atteint un taux d'erreur de mots (WER) de 5,50 % en mode streaming et de 5,04 % en mode non-streaming sur le benchmark FLEURS. Le modèle est disponible via l'API Gemini dans Google AI Studio et la plateforme Gemini Enterprise Agent, et est intégré dans les surfaces Google telles que Gboard, Antigravity, l'application Gemini et Chrome. Les plateformes de développement telles que Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel et Vision Agents prennent en charge la création d'interfaces vocales avec ce modèle. Des entreprises comme vivo, Intellitek Health et Lingopal ont fourni des retours positifs.