CARD · 卡片档案

Gemini 3.5 Transcribe:语音转写进入公开预览

Google 提供支持 85 种以上语言的流式与预录音频转写接口;预录接口可返回词级时间戳与说话人标签。发布公告列出的 macOS 应用当时仅支持英语,应用端可用范围需要与 API 能力分别查看。

01
THE STORY · 原文与要点

读懂内容,再看适用边界。

  • 原文出处官方口径https://deepmind.google/blog/intelligent-transcription-with-gemini-3-5-transcribe

为什么值得了解

开发访谈整理、字幕或会议工具时,时间戳有助于回到对应录音,核对说话人和原话。能否减少中文录音的整理时间,需要用自己的录音样本与现有工具比较。

适用条件与限制

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。

重要补充与更正

以下日期是本站修订时间。

  • 补充 ·

    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。

本次阅读进度保存在当前浏览器。 收藏或写笔记 →

02
THE THREAD · 完整时间线

9 条事件,逐条可溯。

同一张卡在不同阶段会被补充记录:新佐证进入、市场出现对比、原文发生实质变化——每条都带日期,链接到当天归档页。

卡片时间线
  1. 本站收录进入 BitShovel 雷达:AIHOT 精选 收录时可见 50 条。
  2. 记录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。
  3. 相关讨论市场横向(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。
  4. 相关讨论版本动态(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。
  5. 相关讨论版本动态(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。
  6. 相关讨论版本动态(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。
  7. 相关讨论对比评测(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。
  8. 相关讨论版本动态(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。
  9. 相关讨论版本动态(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。

03
SOURCES · 来源与依据

按链接核对用途与边界。

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。

发现错误或使用问题?纠错与反馈 ↗

04
EDITORIAL REVIEW · 本站编辑核验

说明与证据的核验记录。

本站编辑核验 · 已核验

· 北京时间

补充核对来源正文,更新用途、规格和使用条件。原发布日期与收录时间保留;本次编辑核验日期不代表产品刚发生变化。

此时间记录本站对卡片说明与证据的核验,不代表项目发布或产品更新。

核验来源与完整回执查看完整回执:更正前后与核验记录(JSON)