Google stellt Sprach-zu-Text-Modell Gemini 3.5 Transcribe vor

Google hat das neue Sprach-zu-Text-Modell Gemini 3.5 Transcribe vorgestellt. Das Modell ist Teil der Gemini-Reihe und soll gesprochene Sprache in schriftliche Texte umwandeln.

Das Modell wurde bereits in der Android-Funktion Rambler integriert, die auf der Google I/O 2026 angekündigt wurde und erstmals mit dem Pixel 11 verfügbar ist. Rambler kann unklare, stockende oder sich wiederholende Äußerungen erkennen und in verständliche Sätze umwandeln.

Gemini 3.5 Transcribe erreicht laut Google eine hohe Genauigkeit mit einer Wortfehlerrate (WER) von 4 % bei Live-Sprache und 2,6 % bei aufgezeichneten Audiodateien. Das Modell unterstützt 85 Sprachen, erkennt Sprachen automatisch und kann bis zu drei Sprecher gleichzeitig unterscheiden. Zudem bietet es die Möglichkeit, ein benutzerdefiniertes Vokabular zu hinterlegen, um Fachbegriffe korrekt zu transkribieren.

Das Modell ist bereits in der Gemini-App für macOS verfügbar, kann über eine Programmierschnittstelle (API) genutzt werden und soll in Kürze auch in Chrome integriert werden, um Formulareingaben per Spracheingabe zu ermöglichen.

Google berichtete, dass das Modell trotz der Verzögerung bei der Veröffentlichung des größeren Modells Gemini 3.5 Pro bereits schrittweise erweitert wird.

Berichtet von Blognone.