Google 推出 Gemini 3.5 Transcribe，面向即時語音及錄音轉寫工作流程

Google 於8月26日發布 Gemini 3.5 Transcribe，定位為面向智能語音互動的最新 speech-to-text model。Google 表示，新模型可把原始音訊直接轉換成較準確、格式化的文字，並針對背景噪音、專業術語及口語中的中途修正進行處理。

產品分為兩條開發者路徑：即時串流場景可透過 Live API 使用 gemini-3.5-transcribe-live，主打雙向串流及亞秒級延遲；預錄音訊、會議記錄或通話分析則可透過 Interactions API 使用 gemini-3.5-transcribe，支援 speaker attribution 及 word-level timestamps。Google 指模型亦支援 custom vocabulary、超過85種語言自動偵測與轉寫，以及最多三名說話者的識別（更多說話者仍屬實驗）。

Google 稱 Gemini 3.5 Transcribe 已在 Gemini API via Google AI Studio、Google Antigravity 及 Gemini Enterprise Agent Platform 以 public preview 形式提供，並已支援 Gemini app on macOS、Android 上的 Rambler 功能，未來亦會延伸至 Chrome。對工程顧問、承建商及物業/設施管理團隊而言，這類低延遲語音轉寫能力可用於會議紀錄、現場巡查口述記錄、客服或維修通話分析；實際導入仍需配合公司資料治理、錄音同意及專業術語表管理。