Google memperkenalkan model speech-to-text Gemini 3.5 Transcribe

Pada 26 Agustus 2026, Google DeepMind memperkenalkan Gemini 3.5 Transcribe, model speech-to-text terbarunya yang dirancang untuk transkripsi real-time yang presisi dan cerdas. Model ini mengubah audio mentah menjadi teks yang akurat, rapi, dan terformat, menangani kebisingan latar belakang, jargon kompleks, dan pembersihan disfluensi. Model ini mendukung atribusi multi-pembicara dan stempel waktu tingkat kata, serta mendukung peralihan bahasa secara langsung. Dibandingkan pendahulunya Chirp 3, model ini meningkatkan waktu hingga transkripsi final sebesar 70% dan mencapai tingkat kesalahan kata (WER) 5,50% dalam mode streaming dan 5,04% dalam mode non-streaming pada tolok ukur FLEURS. Model ini tersedia melalui API Gemini di Google AI Studio dan Gemini Enterprise Agent Platform, serta terintegrasi ke dalam permukaan Google seperti Gboard, Antigravity, aplikasi Gemini, dan Chrome. Platform pengembang seperti Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel, dan Vision Agents mendukung pembangunan antarmuka berbasis suara dengan model ini. Perusahaan seperti vivo, Intellitek Health, dan Lingopal telah memberikan umpan balik positif.