Googleは、Gemini 3.5シリーズの新メンバーであるGemini 3.5 Transcribeを発表した。モデルは音声入力で「ums」や修正を自動的に除去し、整形されたテキストを生成し、Pixel 11のGboard「Rambler」機能ですでに利用されている。

Googleによると、新モデルは従来の音声テキストエンジンChirp 3に比べ約70％高速で、エラー率は5.5％に低下し、Chirp 3の7.32％よりも低い。85言語に対応し、事前に録音された音声で最大3人の話者をサポート、同時にカスタム語彙も使用できる。

ただし、モデルは話された表現を再構成して意味を変えることがあり、状況によっては不適切になる可能性がある。Googleはこの技術をエコシステム全体に展開する計画だが、利用シナリオの限界と精度リスクの監視を継続する。