该公司表示Gemini 3.5 Transcribe将很快让你在Chrome的任何网页输入框中使用语音转文本。谷歌最近透露了一个新的AI音频模型，称其提供了改进的语音识别和转录功能。Gemini 3.5 Transcribe是Gemini 3.5 Live和Gemini 3.5 Live Experimental的加入，成为Gemini音频系列的一部分。该公司表示，Gemini 3.5 Transcribe在语音转文本方面比早期模型更擅长，具有更高的准确性，并能够自动检测超过85种语言。它表示，该模型可以将用户的非结构化语音转换为格式化文本。你可以使用语音命令进行编辑，同时它还可以从转录的语音中去除填充词。Gemini 3.5 Transcribe与实际的谈话方式相结合，而不是一字一句地打出每一个想法：✅ 无缝处理自我更正 ✨ 去除填充词以提供干净的格式化文本 🎯 理解你的自然意图和说话风格 🔊 精确捕捉音频... pic.twitter.com/17YcsDi7Q0 — 谷歌 (@Google) 2026年8月26日 谷歌表示，这个模型可以学习自定义词汇和独特的拼写，并在捕捉字母数字字符串（如订单号和邮政编码）方面表现出色。此外，该公司声称Gemini 3.5 Transcribe能够为多达三位发言人归属语音，并基于预录音频提供逐字时间戳。这对于转录播客等场景可能会非常方便。不足为奇的是，Gemini 3.5 Transcribe为Android设备（如Pixel 11系列手机）上的Rambler功能提供支持，也可在macOS上的Gemini应用中使用（在此可以与其他Gemini模型协作执行代理任务）。有趣的是，谷歌表示你将很快能够在Chrome网页的任何输入框中使用文本转语音。例如，你可以用语音撰写回复和帖子，并通过语音提示Gemini。Gemini 3.5 Transcribe还可以在谷歌的反重力平台中使用，以及即将到来的搜索直播、Gemini Live、文档、Keep和Gmail。开发者将能够通过API接入该模型。