← AI 動態
The Decoder
Gemini 3.5 語音模型：支援85語即時轉錄與修正口誤
Google推出Gemini 3.5 Transcribe，支援85語即時轉文字。它能自動過濾冗詞並修正口誤，延遲大降，還能呼叫其他AI執行生成任務。
語音辨識
Google Gemini
多模態AI
Google 最新發表的 Gemini 3.5 Transcribe 模型，將語音轉文字技術推向了新高度。這款模型能自動辨識超過 85 種語言，最特別的是內建了「自動編輯」能力。在即時轉錄時，它能主動過濾「嗯」、「啊」等冗詞贅字，並修正說話時的口誤、自動完成文字排版，讓產出的文稿通順易讀。
在效能表現上，它的延遲時間比前代大幅降低了 70%，即時串流模式下的單詞錯誤率（WER）僅有 4.0%。更強大的是它支援「工具呼叫（Function Calling）」，可將聽到的語音指令無縫轉交給其他 Gemini 模型，接力執行圖片生成或網路搜尋等進階任務。
這項技術對一般大眾的日常工作影響深遠。未來在跨國會議記錄、即時字幕或使用語音助理時，我們將不再受限於充滿結巴的原始逐字稿，而是能直接獲得如同專業編輯整理過的高品質紀錄，極大地提升溝通與資訊處理的效率。