Google DeepMind 推出 Gemini 3.5 Transcribe，面向实时语音交互的高精度语音转写模型。Artificial Analysis 测得流式 WER 4.0%、非流式 2.6%，支持 85+ 语言，并可结合 Antigravity 屏幕上下文准确转写文件名、变量与 Agent 思路。

核心要点速览 (Key Takeaways)

  • ✓流式 WER 4.0%、非流式 2.6%；相对 Chirp 3，最终转写时延改善约 70%，FLEURS 多语种流式 WER 为 5.50%
  • ✓Live API 模型 gemini-3.5-transcribe-live 亚秒级双向流式；Interactions API 的 gemini-3.5-transcribe 支持说话人分离与词级时间戳
  • ✓已在 Google AI Studio、Antigravity（结合屏幕与对话上下文）、Gemini macOS 与 Android Gboard Rambler 上线，支持自定义词表与 85+ 语言自动检测