Gemini 3.5 Transcribe bietet präzisere Live‑ und Aufnahme‑Transkripte.
In Kürze
- 85+ Sprachen; Füllwörter entfernt
- WER 4% live / 2,6% Aufnahme; Latenz −70%
- Live- & Interactions-API; Function Calling; Gboard
Google bringt Gemini 3.5 Transcribe: präzisere Live‑ und Aufzeichnungs‑Transkriptionen
Google hat mit Gemini 3.5 Transcribe ein neues Sprache‑zu‑Text‑Modell vorgestellt, das direkte Transkriptionen mit möglichst wenigen Fehlern liefern soll. Das System erkennt über 85 Sprachen, entfernt automatisch Füllwörter wie „ähm“, korrigiert Versprecher während des Gesprächs und formatiert den Text eigenständig.
Kernzahlen und Performance
Google nennt eine Wortfehlerrate (WER) von 4,0 % im Live‑Streaming und 2,6 % bei aufgezeichnetem Audio. Die Wortfehlerrate beschreibt den Anteil an falsch erkannten oder fehlenden Wörtern in einer Transkription. Gegenüber dem Vorgänger Chirp 3 wird die Latenz – also die Verzögerung zwischen gesprochener Sprache und Textausgabe – um etwa 70 % reduziert.
Funktionen und Zusammenarbeit mit anderen Modellen
Über sogenanntes „Function Calling“ kann Gemini 3.5 Transcribe Aufgaben an andere Gemini‑Modelle übergeben. Praktisch heißt das: Das Transkriptionsmodell kann bei Bedarf etwa Bildgenerierung oder Websuchen an spezialisierte Modelle delegieren, statt alle Funktionen selbst auszuführen.
Zwei Schnittstellen für unterschiedliche Anwendungsfälle
- Live‑API (gemini-3.5-transcribe-live): Echtzeit‑Streaming mit sehr niedriger Verzögerung.
- Interactions‑API (gemini-3.5-transcribe): Für aufgezeichnetes Audio; enthält Sprecherzuordnung und Zeitstempel.
Verfügbarkeit und Integration
Das Modell ist jetzt in Google AI Studio und auf der Gemini Enterprise Agent Platform verfügbar. Erste Integrationen laufen bereits: Es steckt in Gboard für Android (über „Rambler“) und in der Gemini‑App auf macOS; eine Einbindung in Chrome soll in Kürze folgen. Google nennt die Angaben als Quelle der Informationen.
Quellen
- Quelle: Google
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
