一句话看懂：Google 正式发布 Gemini 3.5 Transcribe，一个面向语音转写场景的专用 AI 模型，能自动去除“嗯”“啊”等语气词并即时修正口误，输出更干净的文字。它已在 Pixel 11 的 Gboard 中运行，接下来将覆盖 Chrome、macOS Gemini 应用和开发者 API。
事件核心：发生了什么
在 Gemini 3.5 Pro 尚未发布的情况下，Google 先推出了同属 3.5 分支的专用模型 Gemini 3.5 Transcribe，主打 AI 语音转文字。相比上一代语音引擎 Chirp 3，新模型从语音到成稿的速度提升约 70%，实时语音错误率从 7.32% 降至 5.5%，提升幅度不算大，但胜在能自动清理语音输入中的“嗯”“呃”等非流利表达，并在说话过程中实时修改口误。此外，它支持 85 种语言，可在预先录制的音频中区分至多三个说话人，并能调用用户自定义词汇表处理专业术语。
该模型已率先搭载于 Pixel 11 的 Gboard “Rambler” 功能，并自发布日起在 macOS 版 Gemini 应用中生效。开发者方面，Google 的 AI 开发平台 Antigravity 和 AI Studio 均已接入该模型，允许开发者通过 Gemini API 调用。
为什么重要
语音输入长期受困于口语不连续性和识别错误，传统转写引擎只能做“听写”，无法理解语义。Gemini 3.5 Transcribe 的思路是用大模型直接理解“你想说什么”，而非逐字记录“你说了什么”。这意味着语音转写正从单纯的识别任务，转向语义级的内容编辑与重构，是端侧与云端 AI 在交互入口上的一次落地升级。
对 Google 而言，此举也填补了 Gemini 3.5 产品线的空窗期，并为其语音生态——从 Pixel 硬件、Gboard 输入法到 Chrome 浏览器、开发者工具——提供了一个统一的底层能力。相比通用大模型竞争，这种嵌入系统级交互的专用模型，更容易形成实际的用户粘性。
对用户/开发者/创作者的影响
普通用户：在 Pixel 11 上使用 Gboard 语音输入时，能得到更干净、更接近书面语的文字，减少修改错别字的操作。Google 表示今年晚些时候会将 Rambler 扩展到更多支持“Gemini Intelligence”的设备，并计划在 Chrome 浏览器中上线，届时在任意网页输入框内都可以用语音生成邮件、评论或聊天内容。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者：通过 Gemini API 或 Antigravity 平台，开发者可直接集成这一语音转写能力，用于会议记录、视频字幕、语音笔记等应用。值得注意的是，该模型在 Antigravity 中可结合屏幕上下文和聊天历史（需用户授权），这意味着语音助手类应用有机会实现更上下文相关的交互。
创作者与内容生产者：对于需要快速产出逐字稿或访谈整理的用户，新模型能显著缩短后期清理口语表达的时间。但也需要留意，AI 会主动修改你原话的措辞，在追求高度精确引用的场景（如法律、新闻采访）中，这种“美化”可能并不合适。
值得关注的后续
一是 Chrome 浏览器版本的具体上线时间与功能限制，目前 Google 只表示“即将推出”，尚未明确是否对所有用户免费开放。二是该模型是否会以独立 API 形式收费，以及定价如何与 Chirp 3 或其他转写服务竞争。三是竞品反应——OpenAI 的 Whisper 系列和苹果的语音识别均在持续迭代，Gemini 3.5 Transcribe 的语义级清洗能力是否会成为行业标配，值得观察。最后，AI 转写过程中对原话的主动改写，也可能会引发关于“转写准确性与忠实性”的讨论，尤其在正式记录场景下的使用边界。
来源：Ars Technica
