谷歌新AI转录功能可去除你的‘嗯’和‘啊’
内容提要
谷歌更新Gemini音频模型，推出3.5 Transcribe等新功能，可自动识别专业术语和85种以上语言，去除填充词，支持语音编辑和最多三人说话人识别。3.5 Live增强中断处理和实时视觉处理，实验版可逐步叙述推理过程。更新今日起面向macOS应用和部分Android用户推出。
延伸解读
新模型定位与发布背景
此次更新在Gemini 3.5 Pro尚未发布的背景下推出，表明谷歌正通过音频模型先行迭代，以维持AI助手竞争力。3.5 Transcribe作为全新模型，被定位为对旧版Chirp 3的重大升级，重点提升多语言表现和词错率，显示谷歌在语音转录领域的技术投入。
实用功能与场景
3.5 Transcribe支持自动去除“嗯”“啊”等填充词，并能根据用户自定义词汇表识别专业术语，减少手动编辑。此外，它可为最多三位说话人分配语音，并提供词级时间戳，适用于会议记录、访谈整理等场景。3.5 Live则增强中断处理和实时视觉处理，提升语音交互的自然度。
可用性与限制
新功能今日起面向macOS应用和部分Android用户推出，仅支持英语，且Android的Rambler听写功能仅在特定国家和语言中可用。开发者可通过Gemini API、AI Studio和Antigravity预览，Chrome支持即将到来。用户需注意当前覆盖范围有限，且实验版可能不稳定。
Q&A
谷歌新推出的Gemini 3.5 Transcribe有哪些主要功能？
Gemini 3.5 Transcribe是谷歌新推出的转录模型，能自动识别专业术语和85种以上语言，去除‘嗯’和‘啊’等填充词，支持语音编辑、自定义词汇表、最多三人说话人识别和词级时间戳。
Gemini 3.5 Transcribe与之前的Chirp 3相比有什么改进？
谷歌表示，Gemini 3.5 Transcribe相比之前的转录模型Chirp 3，在多语言性能和词错率方面有显著提升。
Gemini 3.5 Live和3.5 Live Experimental有什么区别？
Gemini 3.5 Live能更好地处理句中打断、语言识别和实时视觉处理；而3.5 Live Experimental在此基础上，还能在推理复杂任务时逐步叙述其思考过程。
Gemini 3.5 Transcribe如何帮助用户编辑转录文本？
用户可以通过语音自然编辑转录文本，模型会自动格式化文本并去除填充词，还可以根据用户提供的自定义词汇表自动适应特殊拼写和行业术语，减少手动编辑。
Gemini 3.5 Transcribe支持哪些语言和说话人识别？
它支持超过85种语言，并能识别预录音频中最多三个说话人，同时提供词级时间戳。
这些Gemini音频更新何时推出，面向哪些用户？
更新从今天开始推出，首先面向所有macOS Gemini应用用户（英语），以及部分国家和语言的Android用户（通过Rambler听写功能）。开发者可通过Gemini API在AI Studio和Antigravity中公开预览使用，Chrome支持即将推出。
