Gemini 3.5 Transcribe主打直接將原始音訊轉換為經過整理的文字，除了改善背景噪音、專業術語及口語停頓造成的辨識問題，也能理解使用者的說話意圖。例如說出「約在星期二，不對，星期三」，系統會直接輸出修正後的星期三，不必再由使用者手動刪改。
以Gboard的Rambler功能為例，使用者可以用較自然的方式說出整段內容，系統會自動去除贅詞、加入標點並整理格式，也能透過語音修改錯字或改變文字風格，比傳統逐字輸入更接近一名隨身文字編輯。
Google表示，Gemini 3.5 Transcribe可自動偵測並轉錄超過85種語言，也能依照使用者提供的自訂詞彙，辨識專業術語、特殊拼法及人名。處理預錄音訊時，還能標示時間戳記並區分最多3名說話者；超過3人的辨識功能仍處於實驗階段。
準確度方面，根據Google引用Artificial Analysis的測試結果，Gemini 3.5 Transcribe在串流情境下的平均字詞錯誤率為4.0%，非串流情境則為2.6%；與2025年推出的Chirp 3相比，產生最終轉錄結果所需時間縮短70%。不過，實際表現仍會受到語言、口音、環境噪音及錄音品質影響。
這款模型也不只負責「聽寫」。透過功能呼叫機制，它能把圖片生成、檔案分析等工作交給其他Gemini模型執行。目前macOS版Gemini App已可結合螢幕內容，讓使用者以語音要求系統整理本機檔案、改寫不同App內的文字，或直接在游標位置產生圖片。
Gemini 3.5 Transcribe另已導入Google Antigravity，在取得使用者同意後，可結合螢幕內容與對話紀錄，提高檔名、文件內容及專業詞彙的辨識準確度；開發者則可透過Google AI Studio及Gemini API的公開預覽版導入即時字幕、語音助理或通話分析等服務。
不過，雖然Google尚未公布Chrome版確切推出時間、首波支援語言及地區，但官方說明下方也出現vivo分享已運用Gemini 3.5 Transcribe提供快速、準確的多語言轉錄與翻譯功能，顯示這套模型的應用範圍已跨出Google自家產品；至於實際搭載的手機型號、功能名稱與推出時程，vivo目前仍未進一步公布。
本文依《新聞倫理政策》、《新聞規範》與《事實查核政策》採訪撰寫，如有疑問與指教請見《更正政策》。
點擊閱讀下一則新聞
