Google представила Gemini 3.5 Transcribe — новую модель преобразования речи в текст, которую компания называет «самой точной». Модель не просто дословно расшифровывает аудио, а сразу редактирует результат: убирает слова-паразиты («э-э», «ммм»), исправляет оговорки и самоперебивы, автоматически форматирует текст с абзацами.
Вместе с обычной версией вышла Gemini 3.5 Transcribe Live — потоковая модель для голосовых агентов и субтитров в реальном времени с субсекундной задержкой. Обе модели доступны разработчикам через Gemini API и AI Studio, а также уже встроены в некоторые продукты Google.
85+поддерживаемых языков
5.04%WER на тесте FLEURS (non-streaming)
$0.005/минстоимость обычной транскрибации