Google 推出语音转文字模型 Gemini 3.5 Transcribe

Google 推出语音转文字模型 Gemini 3.5 Transcribe，能够直接将原始音频转换为排版工整、去除语气词和自纠错口语的结构化文本。模型提供用于亚秒级双向交互的实时流式接口与用于录音分析的处理接口，在流式与非流式场景下的平均词错误率分别为 4.0% 和 2.6%，支持超 85 种语言、自定义词库以及函数调用。