Google DeepMind 官方博客原文，经 AIHOT 精选进入视野 · 原文 2026-08-27

Gemini 3.5 Transcribe：实时听写与录音转写怎样选

一段访谈录音，可以整理成顺畅的文字，也可以保留逐词时间和说话人标签。Gemini 3.5 Transcribe 提供实时与预录两种接口；整理方式不同，可同时使用的功能也不同。

Google Gemini 3.5 Transcribe 发布配图。 — 图源：Google DeepMind · 官方配图 · 查看大图

边说边出字，或录完再处理

Google 在 8 月 26 日宣布公开预览。实时接口接收持续音频，适合语音输入和实时字幕；预录接口接收已有音频文件，可为访谈、会议或通话生成文字。两者均支持自动识别 85 种以上语言，但只有预录接口提供词级时间戳与说话人区分。

这些能力可以组成不同的产品：听写工具重视输入连贯，访谈工具需要定位原句。发布公告中的 macOS 应用当时仅支持英语，不能由 API 的语言数量推断该应用已经支持中文。

一段录音，两种整理方式 — BitShovel 图解 · 依据正文来源整理。 · 打开大图

逐字保留，还是整理成稿

默认 verbatim 模式保留填充词、重复与口头改正，适合需要回查原话的材料。smart 模式会清理口吃和填充词、处理口头改正并整理格式。例如把“周二，不，周三见面”整理为“周三见面”；这是功能示意，不是本站录音测试。

按官方 API 文档，普通预录请求最长一小时；启用时间戳或说话人区分后，最长三十分钟，且不能同时使用 smart 模式或自定义词表。说话人区分最多八人，三人及以上的归因仍属实验支持。时间戳也可能降低整体转写准确率，因此“更方便回查”与“转写更准确”要分别判断。

重要补充与更正

以下日期是本站修订时间。

补充 · 2026/09/12 21:05 北京时间
补充实时与预录接口、逐字与智能整理模式的用途和组合限制。
补充 · 2026/09/06 12:01 北京时间
区分 API 与应用的语言范围，并补充时间戳、说话人标签的 30 分钟音频上限和功能组合限制。

来源与补充

sourcesEN

来源与补充

阅读原文Google DeepMind 官方博客原文，经 AIHOT 精选进入视野
Google 转写模型规格
Google 发布说明
Google 转写 API 文档

原始摘要与适用说明

使用时间戳或说话人区分时，预录音频上限为 30 分钟，且不能并用智能整理模式或自定义词表；3 人及以上的说话人归因仍属实验支持。本站尚未测试中文嘈杂录音的准确率。

来源与依据 · 4 条链接

逐条说明链接的用途与支持范围。链接数量不代表多方独立验证，“直接支持”也仅限下方写明的内容。

Google DeepMind 官方博客原文，经 AIHOT 精选进入视野直接支持
原始 DeepMind 地址转到 Google 官方公告。当前 API 文档列出最多 8 位说话人，公告仍写最多 3 位；上文限制采用当前 API 文档，不据此推断变更发生日期。保留原条目 publishedAt=2026-08-26T17:01:00.000Z；9 月 6 日为补核验日期。本站未复测，不等于否认公告引用的 Artificial Analysis 测量的独立性。抓取元数据见 evidence-manifest.json。
边界：使用时间戳或说话人区分时，预录音频上限为 30 分钟，且不能并用智能整理模式或自定义词表；3 人及以上的说话人归因仍属实验支持。本站尚未测试中文嘈杂录音的准确率。
查看相关依据
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/https://ai.google.dev/gemini-api/docs/transcribe 查看完整来源记录（JSON）
AIHOT 精选
The Verge 报道
Ars Technica 报道

资料时间记录

2026-08-27 · 发现这篇资料，来源：AIHOT 精选。
2026-08-27 · The Verge 与 Ars Technica 同日跟进报道，交叉确认发布事实；两篇均强调去除语气词与自动排版等「智能转写」特性。
2026-08-28 · 市场横向（Google Gemini）：「Gemini Omni 1.1 Flash 发布,为开发者提供更强生成式视频控制」——AIHOT 精选线索。同类的讨论与对比已入时间线，供纵向判断与淘汰决策参考。
2026-08-28 · 版本动态（Google Gemini）：「Gemini 3.5 Transcribe 发布:更精准的实时语音转写模型」——AIHOT 精选线索。同类的版本动作，改变市场预期与替代选项。
2026-09-02 · 版本动态（Google Gemini）：「Google DeepMind 为 Gemini 推出 agentic 视频理解功能」——AIHOT 精选线索。同类的版本动作，改变市场预期与替代选项。
2026-09-03 · 版本动态（Google Gemini）：「Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash 」——aihot-featured 线索。同类的版本动作，改变市场预期与替代选项。
2026-09-03 · 对比评测（Google Gemini）：「Google DeepMind's Gemini 3.8 Flash Beats Claude 」——alphasignal-daily 线索。同类对比与口碑，是市场面相对位置的信号。
2026-09-05 · 版本动态（Google Gemini）：「谷歌 Gemini Spark 新增 Google Photos 照片库管理能力,用户可通过自然」——ithome 线索。同类的版本动作，改变市场预期与替代选项。
2026-09-05 · 版本动态（Google Gemini）：「Gemini 3.8 Flash is now available in GitHub Copi」——github-changelog 线索。同类的版本动作，改变市场预期与替代选项。
2026-09-09 · 版本动态（Google Gemini）：「Supabase is now available in Gemini Enterprise」——supabase-blog 线索。同类的版本动作，改变市场预期与替代选项。