Google ha presentato oggi, 26 agosto, Gemini 3.5 Transcribe: lo definisce il modello di trascrizione vocale più preciso mai realizzato dall’azienda. A differenza dei sistemi di riconoscimento vocale tradizionali, che si inceppano su rumore di fondo, gergo tecnico e ripensamenti a metà frase, questo modello converte l’audio grezzo direttamente in testo formattato e pulito.
La novità non riguarda solo gli sviluppatori. Google conferma che il modello sta già alimentando Gemini Live e diversi prodotti di uso quotidiano, da Gboard a Chrome, passando per Documenti, Keep e Gmail.
Cos’è Gemini 3.5 Transcribe e come funziona
Gemini 3.5 Transcribe è un modello progettato per catturare lo stile di conversazione naturale delle persone e capirne l’intento reale, non solo le parole pronunciate. Gestisce le autocorrezioni sul momento — “ci vediamo martedì, anzi mercoledì” — elimina automaticamente le pause verbali come “ehm” e “cioè”, e formatta il testo risultante senza alcun intervento manuale.
C’è poi il function calling: il modello può delegare compiti complessi, come generare un’immagine o analizzare un file, ad altri modelli della famiglia Gemini, semplicemente ascoltando una richiesta pronunciata a voce. Riconosce anche vocabolario personalizzato — nomi propri, gergo di settore, sigle particolari — imparando dal contesto fornito dall’utente.
I numeri: quanto è preciso il nuovo modello
Secondo i dati diffusi da Google e misurati da Artificial Analysis, Gemini 3.5 Transcribe raggiunge un tasso di errore medio sulle parole del 4,0% in modalità streaming e del 2,6% su audio pre-registrato. Sul benchmark multilingue FLEURS i valori si attestano rispettivamente al 5,50% e al 5,04%, con un salto netto rispetto a Chirp 3, il modello di trascrizione precedente.
Non è solo una questione di precisione. Il tempo necessario per ottenere una trascrizione finale migliora del 70% rispetto alla generazione precedente, un dettaglio che pesa parecchio in applicazioni dove la latenza conta — sottotitoli in diretta, assistenti vocali, trascrizione di chiamate. Il modello copre oltre 85 lingue, riconosce accenti regionali e dialetti, e riesce ad attribuire correttamente le battute fino a tre persone diverse in un audio registrato, con tanto di timestamp parola per parola.
Le novità per Gemini Live e gli altri prodotti Google
Ed eccoci alla parte che riguarda più da vicino chi usa Gemini ogni giorno. Il nuovo modello arriva, tramite l’API in tempo reale dedicata, direttamente dentro Gemini Live, rendendo le conversazioni vocali più fluide e reattive, con una latenza ridotta sotto il secondo e una gestione migliore dei cambi di lingua a metà conversazione.
Non è un aggiornamento isolato. Solo pochi giorni fa Gemini Live aveva già guadagnato la Ricerca Approfondita via voce; ora è la qualità stessa della trascrizione a fare un salto avanti, e Google promette lo stesso trattamento per Search Live, Documenti, Keep e Gmail nelle prossime settimane. Il modello è già attivo, tra l’altro, nell’app Gemini per macOS e nella funzione Rambler di Gboard su Android, dove ripulisce il parlato spontaneo trasformandolo in testo ordinato.
Da quando è disponibile e per chi
Per gli sviluppatori, Gemini 3.5 Transcribe è già disponibile in anteprima pubblica tramite l’API Gemini su Google AI Studio e sulla Gemini Enterprise Agent Platform, pensata per chi costruisce agenti vocali, strumenti di sottotitolazione in diretta o pipeline di analisi post-chiamata.
Per il grande pubblico, il modello è attivo da oggi nell’app Gemini su macOS, in inglese, e in Rambler su Gboard Android, in una selezione di paesi e lingue. L’arrivo su Chrome, che permetterà di dettare testo in qualunque campo di una pagina web, è annunciato come imminente, mentre le aziende potranno presto contare su un’integrazione dedicata pensata per il servizio clienti.
Fonti:
