ทันเอไอ

Google 发布 Gemini 3.5 Transcribe，支持转录超过 85 种语言

新模型可将语音转换为文字、区分说话者，并将停顿或不连贯的表达整理得更易读

Google 于 2026 年 8 月 26 日正式发布 Gemini 3.5 Transcribe。这是一款支持超过 85 种语言的 Speech-to-text（语音转文字）模型，适用于实时语音及录音文件转录。

该模型的亮点包括 Speaker Diarization（识别不同说话者对应的内容）和 Smart Transcription（自动整理转录文本，使其更易阅读）。除了逐字转录，它还能处理口吃、语气词和迂回表达，并将内容整理成更清晰易懂的文字。

Gemini 3.5 Transcribe 也是 Android 功能 Rambler 背后的模型。Google 在 Google I/O 2026 上发布该功能，并率先搭载于 Pixel 11。因此，它不仅用于逐字转录，也能将自然口语转换成便于阅读或继续使用的文本。

开发者可通过 Google AI Studio 和 Gemini Enterprise Agent Platform 中的 Gemini API 调用该模型。Live API 支持实时流式转录，Interactions API 则用于处理录音文件。