Google presenta Gemini 3.5 Transcribe, il modello di trascrizione vocale

Il 26 agosto 2026, Google DeepMind ha presentato Gemini 3.5 Transcribe, il suo ultimo modello di trascrizione vocale progettato per una trascrizione in tempo reale precisa e intelligente. Il modello converte l'audio grezzo in testo accurato, rifinito e formattato, gestendo rumori di fondo, gergo complesso e pulizia delle disfluenze. Offre attribuzione multi-relatore e timestamp a livello di parola, e supporta il cambio di lingua in tempo reale. Rispetto al suo predecessore Chirp 3, migliora il tempo di trascrizione finale del 70% e raggiunge un tasso di errore parola (WER) del 5,50% in modalità streaming e del 5,04% in modalità non streaming sul benchmark FLEURS. Il modello è disponibile tramite l'API Gemini in Google AI Studio e Gemini Enterprise Agent Platform, ed è integrato in superfici Google come Gboard, Antigravity, l'app Gemini e Chrome. Piattaforme per sviluppatori come Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel e Vision Agents supportano la creazione di interfacce vocali con esso. Aziende come vivo, Intellitek Health e Lingopal hanno fornito feedback positivi.