Google представила Gemini 3.5 Transcribe - новую ИИ-модель для расшифровки речи, которая не просто переводит аудио в текст, а сразу приводит результат в аккуратный вид. Модель автоматически удаляет слова-паразиты, исправляет оговорки и форматирует готовую расшифровку. Она стала развитием предыдущей системы Chirp 3, причём Google отдельно отмечает улучшения в многоязычной обработке и снижение числа ошибок.
Gemini 3.5 Transcribe распознаёт более 85 языков, включая русский, и способна самостоятельно определить язык записи. Более того, если человек переключается между несколькими языками прямо во время разговора, модель может продолжать расшифровку без ручного выбора языка.
ИИ понимает и контекст исправлений. Например, если пользователь сначала говорит одно, а затем тут же меняет формулировку, в итоговый текст попадёт исправленный вариант. Это особенно удобно при диктовке: вместо необработанной стенограммы получается текст, который уже можно использовать практически без редактуры.
Для профессиональной работы предусмотрен пользовательский словарь. В него можно добавить специфические термины, названия продуктов, имена или нестандартные варианты написания - модель будет учитывать их при распознавании. В записанном аудио Gemini 3.5 Transcribe способна различать до трёх говорящих, а для отдельных слов доступны временные метки. Максимальная продолжительность аудиофайла при обычной обработке достигает 1 часа, а при включении разметки говорящих или временных меток - 30 минут.
Модель уже доступна в приложении Gemini для macOS, появилась в некоторых регионах в голосовом вводе Gboard для Android, а разработчики могут тестировать её через Gemini API. Поддержка Chrome ожидается позднее.
Новости нейросетей
11.09.2026