Google lancia Gemini 3.5 Transcribe per trascrizioni smart e pulite
Testo scritto con l’intelligenza artificiale a partire da 2 fonti citate, senza revisione umana prima della pubblicazione.
Il nuovo modello trasforma audio grezzo in testo formattato, disponibile via Gemini API per streaming e audio preregistrato.
Gemini 3.5 Transcribe converte audio grezzo in testo accurato, rifinito e già formattato, pensato per interazioni vocali intelligenti. Il modello arriva agli sviluppatori nelle Gemini API, in Google AI Studio e nella Gemini Enterprise Agent Platform. Google lo ha già impiegato in nuove funzioni vocali nell’app Gemini e su Android, compresa Rambler su Android e l’app Gemini su macOS.
L’accesso avviene tramite due API distinte. In tempo reale, il modello offre streaming continuo bidirezionale con latenza sotto il secondo tramite la Live API, usando gemini-3.5-transcribe-live. Per l’audio preregistrato è disponibile un’API separata dedicata all’elaborazione di contenuti già registrati. L’obiettivo dichiarato è inserirsi senza attriti nei flussi di sviluppo esistenti, dai voice agent alle didascalie in tempo reale, fino alle pipeline di analisi post‑chiamata.
La novità chiave è l’uscita “pronta all’uso”. Gemini 3.5 Transcribe non si limita al riconoscimento del parlato. Restituisce testo già organizzato e leggibile. Google afferma che si può “modificare naturalmente con la sola voce” e che il modello può formattare il testo in automatico e rimuovere filler come “um” e “uh”. L’azienda indica inoltre che i nuovi modelli Gemini 3.5 per l’audio puntano a non andare in difficoltà con rumore di fondo o quando il parlato viene interrotto.
Il supporto linguistico si amplia. Google parla di rilevamento di oltre 85 lingue nei nuovi modelli Gemini Audio. L’azienda segnala anche la capacità di individuare gergo e termini specialistici. Gli utenti possono fornire un vocabolario personalizzato per guidare il riconoscimento. Queste funzioni mirano a migliorare la resa in contesti tecnici e multilingue.
Nel confronto con i modelli precedenti, Google presenta 3.5 Transcribe come un passo avanti rispetto a Chirp 3. L’azienda cita progressi soprattutto nelle prestazioni multilingue e nei tassi di errore di “wording”. L’insieme degli aggiornamenti include anche Gemini 3.5 Live e 3.5 Live Experimental, pensati per le funzioni vocali controllate dall’IA. Secondo Google, l’obiettivo è offrire maggiore precisione in scenari reali, inclusi quelli con disturbi o pause nel parlato.
Sul piano d’uso, Google cita tre scenari diretti per 3.5 Transcribe. Interfacce vocali interattive, che sfruttano lo streaming bidirezionale e la latenza sub‑secondo per applicazioni conversazionali. Sottotitolazione in tempo reale, che beneficia della formattazione automatica. Analytics post‑chiamata, che richiedono trascrizioni coerenti per estrazioni e ricerche successive. L’integrazione nelle piattaforme per sviluppatori include Google AI Studio e la Gemini Enterprise Agent Platform, per replicare capacità già viste nelle app di Google.
Google definisce Gemini 3.5 Transcribe il suo modello di speech‑to‑text più preciso, progettato per interazioni vocali intelligenti e per integrarsi nei flussi di lavoro degli sviluppatori. L’azienda descrive i nuovi modelli audio come capaci di riconoscere gergo e molte lingue, con strumenti per pulire le disfluenze e formattare l’output.
Il lancio di 3.5 Transcribe arriva mentre, secondo The Verge, il pubblico attende ancora la versione Gemini 3.5 Pro che Google aveva promesso per giugno.
Fonti
- Intelligent transcription with Gemini 3.5 Transcribe
- Google’s new AI transcription edits out your ‘ums’ and ‘ahs’
Le fonti di questo pezzo sono state ricollegate all’articolo dopo la pubblicazione: l’elenco è quello da cui è stato scritto, ma i singoli rimandi nel testo non sono associati a una fonte precisa.
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.