谷歌Gemini 3.5 Transcribe支持85种语言实时语音转写与口误修正

多语种高精度实时转写

Gemini 3.5 Transcribe是谷歌新发布的语音识别模型，具备对超过85种语言的语音识别能力。它在流式识别模式下实现4.0%的词错误率（WER），显著优于行业常见水平。

智能口语净化与纠错

该模型不仅能准确转录语音，还可自动识别并剔除‘呃’‘啊’等填充词，并实时修正发音偏差、重复、自我纠正等典型口语不流畅现象，提升文本可读性与专业性。

跨模型任务协同

依托函数调用（function calling）能力，Gemini 3.5 Transcribe可在识别过程中动态触发其他Gemini模型执行后续任务，例如摘要生成、翻译或结构化提取，形成轻量级语音智能工作流。

性能跃升

相比前代语音模型Chirp 3，新模型端到端延迟降低70%，响应更迅捷，更适合会议记录、实时字幕、访谈整理等低延迟敏感场景。