Gemini 3.5 Transcribe 公開預覽：智能整理語音，也可能改寫原話
Gemini 3.5 Transcribe 公開預覽：智慧整理語音，也可能改寫原話
發布內容
Google 推出 Gemini 3.5 Transcribe 與即時版本 gemini-3.5-transcribe-live。前者經 Interactions API 處理錄音，提供說話者標記及字詞時間戳；後者經 Live API 串流，主打低於一秒的互動延遲。模型支援自訂詞彙、背景噪音及口語停頓處理，並會移除填充詞、整理格式及理解說話者的自我修正。目前開發者可在 Gemini API 公開預覽使用，消費者功能亦已進入 macOS Gemini 應用及部分 Android 場景。
準確率要怎樣解讀
Google 引用 Artificial Analysis 資料，稱非串流平均字錯率為 2.6%，串流為 4.0%，並表示相對 Chirp 3 的最終轉錄時間改善 70%。Ars Technica 與 The Verge 均確認新功能，同時提醒「智慧轉錄」會主動整理措辭。對會議摘要或語音輸入，刪除「嗯」及重複句可能有價值；對法律證供、醫療記錄、訪談逐字稿或語言研究，任何未標示改寫都可能破壞原始證據。
採用建議
開發者不應只看平均字錯率。上線前要用自己的口音、專有名詞、多人重疊發言及嘈雜錄音測試，並分開評估「逐字保真」與「可讀整理」兩種需求。涉及高風險記錄時，應儲存原音、標示模型版本、保留時間戳，並提供人工比對流程。公開預覽期間的限制、價格及模型行為仍可能改變，現有資料宜視作早期訊號。