Google представляет модель преобразования речи в текст Gemini 3.5 Transcribe

26 августа 2026 года Google DeepMind представила Gemini 3.5 Transcribe — свою новейшую модель преобразования речи в текст, предназначенную для точной и интеллектуальной транскрипции в реальном времени. Модель преобразует необработанный аудиосигнал в точный, отформатированный текст, обрабатывая фоновый шум, сложный жаргон и очищая от речевых сбоев. Она поддерживает атрибуцию нескольких говорящих и временные метки на уровне слов, а также переключение языков в реальном времени. По сравнению с предыдущей моделью Chirp 3, время до финальной транскрипции улучшено на 70%, а частота ошибок в словах (WER) составляет 5,50% в потоковом режиме и 5,04% в непотоковом режиме по контрольному набору FLEURS. Модель доступна через Gemini API в Google AI Studio и Gemini Enterprise Agent Platform, а также интегрирована в продукты Google, такие как Gboard, Antigravity, приложение Gemini и Chrome. Платформы для разработчиков, такие как Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel и Vision Agents, поддерживают создание голосовых интерфейсов на её основе. Компании vivo, Intellitek Health и Lingopal дали положительные отзывы.