Google 推出 Gemini 3.5 Transcribe 語音識別模型
該系統能自動偵測 85 種以上語言，標記最多三位發言者並附上時間戳記，串流音訊處理速度比 Chirp 3 快 70%。
- 根據 Artificial Analysis 測試，串流轉錄的平均字詞錯誤率為 4.0%，非串流則達到 2.6%。
- 推出兩個獨立 API：gemini-3.5-transcribe-live 用於即時處理，gemini-3.5-transcribe 用於錄音檔。
- 早期合作夥伴包括 Agora、LiveKit、LangChain、Vercel 以及正在測試模型的 Pipecat。
為什麼重要: 一個絕不遺忘所聞的語音模型，會將日常對話變成由 Google 永久掌控的記錄。