Gemini 3.5 Transcribe расшифровывает речь на 85 языках и убирает слова-паразиты

Google выпустила Gemini 3.5 Transcribe — модель перевода речи в текст. Она сама определяет язык из более чем 85, распознаёт нескольких говорящих, принимает словарь редких терминов и умеет вызывать функции: приложение получает не только текст, но и намерение говорящего.

По сторонним сводкам, доля ошибочных слов — 2,6% при обработке готовой записи и 4,0% в потоковом режиме, задержка потока меньше секунды. Есть оба режима — пакетный и потоковый.

API доступен в Google AI Studio и Gemini API сразу. Модель отдельно вычищает «эм» и «ну» и корректно обрабатывает самоисправления говорящего.

Google@Google

We're introducing Gemini 3.5 Transcribe, our most precise speech-to-text model yet 🔊 It turns audio into precise transcription in 85+ languages, removing filler words like "ums" and "ahs" while handling self-corrections and capturing your intent so you can get things done using https://t.co/4GgHjSd301

5 03726 августа 2026