谷歌近日宣布推出Gemini 3.5 Transcribe，这是其最新的语音转文本模型，旨在提供更精准的实时语音转写能力。该模型支持实时流式音频和预录音频处理，能够满足不同场景下的语音识别需求。

Gemini 3.5 Transcribe可通过Live API和Interactions API进行调用，为开发者提供了灵活的集成方式。Live API适用于实时交互场景，如语音助手和实时字幕；Interactions API则更适合处理预录音频，如会议记录和媒体转写。

据谷歌介绍，该模型在语音识别精度上实现了显著提升，尤其在嘈杂环境和多说话人场景下表现更为出色。这得益于其先进的声学建模和语言理解技术，能够更准确地捕捉语音细节并减少误识别。

此次发布标志着谷歌在语音AI领域的持续投入，旨在为企业和开发者提供更可靠的工具。随着语音交互需求的增长，Gemini 3.5 Transcribe有望在客服、医疗、教育等行业发挥重要作用，推动语音技术的进一步落地。