商傳媒｜林昭衡／綜合外電報導
Google 今日發表全新人工智慧模型 Gemini 3.5 Transcribe，這項語音轉文字技術旨在大幅提升語音輸入的效率，不僅能自動過濾使用者口語中的贅詞（如「嗯」、「啊」），還能即時校正語音內容，產出精煉的 AI 文字。這款新模型在 AI 語音辨識技術上取得顯著突破，與前一代語音引擎 Chirp 3 相比，語音轉文字的速度預計可提升約七成，即時語音辨識的錯誤率更從 Chirp 3 的 7.32% 降低至 5.5%。
Gemini 3.5 Transcribe 的關鍵功能包含在辨識過程中，即時移除常見的口頭禪與修正語句，同時也能參考使用者提供的專屬詞彙表，精準處理特定領域的「專業術語」。這項技術支援 85 種語言，並能處理最多三位發言者的預錄音檔。
目前，Gemini 3.5 Transcribe 已整合至多項 Google 產品中。例如，Pixel 11 手機上的 Gboard 輸入法已內建「Rambler」功能，利用此模型提供更流暢的語音輸入體驗。Google 表示，今年稍晚會將 Rambler 擴展至更多 Gemini Intelligence 裝置。此外，Gemini app 的 macOS 版本、Antigravity 平台以及 AI Studio 的模型建構工具，也於昨日起開始支援 Gemini 3.5 Transcribe，讓開發人員能運用此語音辨識技術進行「vibe code」應用程式開發。開發者也能透過 Gemini API 存取這項新模型。Google 也規劃將此 AI 轉錄功能導入 Chrome 瀏覽器，預計將很快提供，屆時使用者可透過語音在任何網頁欄位輸入文字，例如撰寫電子郵件、發表評論，甚至以語音與 AI 聊天機器人互動。
