闲社

标题: Google发布Gemini 3.5 Transcribe：实时与录音转写 [打印本页]

作者: roseyellow 时间: 2026-8-29 09:03
标题: Google发布Gemini 3.5 Transcribe：实时与录音转写
【事件概述】
Google 于 2026 年 8 月 26 日发布 Gemini 3.5 Transcribe 系列，提供 gemini-3.5-transcribe 和 gemini-3.5-transcribe-live 两个专用语音转文字模型。前者通过 Interactions API 处理录音文件，后者通过 Live API 和 WebSocket 接收连续音频，分别覆盖会议、通话分析、字幕归档和实时语音应用。

【模型与开发者】
模型：Gemini 3.5 Transcribe、Gemini 3.5 Transcribe Live
模型 ID：gemini-3.5-transcribe、gemini-3.5-transcribe-live
开发者：Google
官方发布日期：2026 年 8 月 26 日

发布日期来自 Gemini API 官方发布说明和 Google 官方发布博客的 8 月 26 日条目。需要注意的是，官方发布说明把这两个模型标为 GA，但同日发布博客的开发者可用性部分仍写为 public preview。两处一手资料的状态表述并不完全一致，开发者应以自己账号中的实际可用区域、控制台标识和最新文档为准。

【关键能力与改动】
1. 两种处理模式：gemini-3.5-transcribe 面向已经录制的音频文件，支持说话人分离和词级时间戳；gemini-3.5-transcribe-live 面向麦克风或实时音频流，通过 WebSocket 返回中间结果和最终转写。
2. 自动语言识别：官方文档列出 85 种以上语言和地区变体，可在会话中识别多语言切换，不必为每段话手工指定语言。
3. 自定义词表：可提交最多 1000 个专业词、缩写、品牌名或人名来引导识别。官方同时提醒，实际通常在不超过 100 个词时效果更好，词表上限不等于越多越准确。
4. 智能转写：SMART 模式会去除口头填充词和重复，处理说话者的临时改口，并自动整理数字、日期、大小写、标点和段落；默认 VERBATIM 模式则尽量保留原始口语。
5. 文件转写限制：普通单次录音最长可到 1 小时；启用说话人分离或词级时间戳时，文件处理上限降为 30 分钟。说话人分离最多支持 8 人，但 3 人及以上的归属仍被标为实验性。
6. 实时转写限制：Live 端点单次会话最长 10 分钟，可选择自动、主动式和服务器 VAD 等语音活动检测方式，但不支持词级时间戳和说话人分离。

【适用对象】
适合开发实时字幕、语音助手、会议纪要、客服质检、通话分析、媒体索引、医疗或法律术语转写等应用的团队。实时端点更适合低延迟交互；文件端点更适合需要说话人标签和精确定位到单词时间的后处理工作流。

【实际影响】
开发者可以用同一模型系列处理实时流和离线录音，并利用自动语言识别、专业词表和 SMART 模式减少传统转写后的清洗步骤。对于浏览器或移动端直接连接 Live API 的场景，官方建议由服务端签发受约束的临时令牌，避免把长期 API Key 暴露在客户端。

这些模型是专用语音转文字端点，不是通用聊天模型。官方模型页明确列出 gemini-3.5-transcribe 不支持函数调用、代码执行、文件搜索、Thinking、缓存和 Batch API。Google 在 Gemini macOS 应用中展示的文件分析或图片生成，是由其他 Gemini 模型在产品编排层完成，不能误解为转写模型本身拥有这些能力。

【限制与使用提醒】
词级时间戳会降低转写准确率；3 人及以上的说话人归属仍是实验功能。SMART 模式会主动删改填充词、重复和自我纠正，不适合庭审记录、取证、合规录音等必须逐字保留的场景，这类任务应使用 VERBATIM 并保留原音频。

自动检测 85 种以上语言不代表所有口音、噪声环境和专业领域都达到同一准确率。人名、数字、药品名、金额和关键指令仍需人工复核。涉及通话和会议录音时，还要取得参与者授权并遵守所在地区的隐私、录音告知和数据保留要求。

【官方来源】
Google 官方发布博客：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/
Gemini API 官方发布说明：https://ai.google.dev/gemini-api/docs/changelog
Gemini 3.5 Transcribe 官方模型页：https://ai.google.dev/gemini-api/docs/models/gemini-3.5-transcribe
文件转写指南：https://ai.google.dev/gemini-api/docs/transcribe
实时转写指南：https://ai.google.dev/gemini-api/docs/live-api/live-transcribe

欢迎光临闲社 (https://www.xianshe.com/)