考えながら話しても清書レベルの高性能AI文字起こしGemini 3.5 Transcribe　言い直しも反映、GboardやMac版Geminiアプリに提供

概要

Googleが発表したGemini 3.5 Transcribeは、フィラーの除去や言い直しの修正、文脈に応じたフォーマット適用により、散漫な話し言葉を即座に清書レベルのテキストへ変換する次世代音声入力モデルです。

詳細内容

Googleが新たに発表した「Gemini 3.5 Transcribe」は、従来の音声認識の枠を超え、話し言葉を「書き言葉」として整える能力に特化したモデルです。最大の特徴は、文脈を理解した高度な編集能力にあります。「あー」「えー」といったフィラーの自動除去はもちろん、話者が途中で言い直した内容を正しく反映したり、内容に応じて箇条書きやカッコを挿入したりするなど、あたかも人間が清書したかのような結果を出力します。この技術はすでにPixel 11シリーズの「AI音声入力（Rambler）」や、macOS版Geminiアプリの「Speak to Window」機能として実用化されています。開発者向けにはGoogle AI Studio等を通じてAPIが提供され、録音済み音声とリアルタイムストリーミングの両方に対応します。単語誤り率（WER）でも高い精度を誇り、85以上の言語や地域アクセントを自動認識。音声入力を「単なる入力手段」から「高品質な文書作成ツール」へと進化させる重要なアップデートとなっています。

元記事を読む他のサマリーを見る