Google lanzó Gemini 3.5 Transcribe, su modelo de voz a texto en más de 85 idiomas

Google presentó Gemini 3.5 Transcribe, su nuevo modelo de conversión de voz a texto diseñado para capturar el habla natural, reconocer vocabulario personalizado y ejecutar tareas por comando de voz, incluso rellenando campos de texto en Chrome. La compañía lo describió en su blog oficial como su modelo "más preciso hasta la fecha".

Según informó Google, el sistema transcribe audio en más de 85 idiomas y elimina automáticamente expresiones de relleno como "ums" o "ahs", al tiempo que captura la intención y el estilo natural del hablante. El modelo convierte el audio sin procesar directamente en texto "preciso, pulido y formateado", gestionando autocorrecciones mientras la persona habla.

En cuanto al rendimiento técnico, mediciones de Análisis Artificial citadas por Google indican que el modelo alcanza una tasa de error de palabras (WER) promedio del 4% para transmisión de datos y del 2,6% para casos de uso sin transmisión. La compañía también precisó que el tiempo para la transcripción final mejora un 70% respecto al modelo anterior, con una latencia reducida.

Entre las capacidades técnicas, Google detalló que el sistema puede capturar audio con precisión en entornos ruidosos, distinguir hasta tres hablantes distintos con marcas de tiempo y detectar acentos regionales o dialectos.

Integración con aplicaciones de Google

Google anunció que Gemini 3.5 Transcribe se integra con varias de sus plataformas. En Gboard para Android, permitirá transformar pensamientos hablados en texto eliminando palabras de relleno. En Google Antigravity, combinará el contexto de pantalla y el historial de chat del usuario para una transcripción más precisa.

En Google AI Studio, los usuarios podrán escribir código de aplicaciones con la voz, aunque esta función solo está disponible en el modo Build. En la aplicación de Gemini para macOS, el modelo facilitará comandos de voz integrados con el contexto de pantalla para resumir archivos, reutilizar texto en distintas aplicaciones o generar imágenes.

Google también informó que trabaja en una opción para Chrome que permitirá dictar texto en cualquier campo web, con el objetivo de facilitar la redacción de respuestas, publicaciones o el uso de Gemini por voz.

Gemini 3.5 Transcribe ya está disponible para todos los usuarios en la aplicación de Gemini para macOS en inglés y en Rambler para Android. Para desarrolladores, fue lanzado en versión preliminar pública en la API Gemini a través de Google AI Studio y Google Antigravity, y también está disponible en versión preliminar en Gemini Enterprise Agent Platform, según indicó la compañía.

En base a Europa Press