Google发布Gemini 3.5 Transcribe：迄今最精准的语音转文本模型，支持85+种语言
Google发布Gemini 3.5 Transcribe：迄今最精准的语音转文本模型，支持85+种语言
Google于2026年8月27日发布Gemini 3.5 Transcribe，官方称其为迄今最精准的语音转文本模型，支持将音频转换为85种以上语言的精准转录文本，并能处理自然口语中的自我修正。
核心信息
Google于2026年8月27日正式发布Gemini 3.5 Transcribe，官方称其为迄今最精准的语音转文本模型。该模型可将音频转换为85种以上语言的精准转录文本，标志着语音AI技术取得重大突破。
关键特性
- 多语言支持：覆盖85种以上语言，满足全球化应用需求
- 口语理解：能够处理自然口语中的自我修正，去除填充词以捕捉真实意图
- 精准转录：Google宣称其为"迄今最精准"的语音转文本模型
- Gemini家族：作为Gemini 3.5系列的重要组成部分，继承了该系列强大的多模态能力
行业意义
语音转文本是AI落地的核心场景之一，广泛应用于会议记录、客服系统、内容创作、辅助听力等领域。Google此次发布的Gemini 3.5 Transcribe，直接与OpenAI的Whisper系列模型形成竞争。
在当前AI大模型竞争格局中，多模态能力已成为头部厂商的必争之地。Google凭借Gemini系列在文本、图像、语音、视频等多模态领域的全面布局，正加速追赶OpenAI的市场领先地位。Gemini 3.5 Transcribe的发布，将进一步巩固Google在企业级语音AI服务市场的竞争力。