Google stellt Gemini 3.5 Transcribe für Sprachverarbeitung vor

Google hat Gemini 3.5 Transcribe am 26. August 2026 vorgestellt. Das Modell verarbeitet gesprochene Sprache und soll dabei auch Versprecher, Korrekturen und Füllwörter erkennen. Daraus erzeugt es formatierten Text.

Für Entwickler stehen zwei Varianten bereit: eine Echtzeit API für Sprachinteraktionen mit niedriger Latenz sowie eine API für aufgezeichnete Audiodateien. Letztere bietet laut Google Sprechererkennung, Wortzeitstempel und anpassbares Fachvokabular. Das Modell unterstützt mehr als 85 Sprachen.

Google gibt eine durchschnittliche Fehlerrate von 4,0 Prozent bei Streaming Audio und 2,6 Prozent bei vorab aufgezeichneten Aufnahmen an. Die Werte stammen laut Unternehmen von Artificial Analysis und sind damit als Herstellerangabe einzuordnen. Der technische Fortschritt liegt weniger im bloßen Mitschreiben als in der Aufbereitung von Sprache zu brauchbarem Text. Ob das im Alltag trägt, entscheidet sich an den Fehlern, die diese Kennzahl nicht vollständig erzählt.