Todos divagamos, retrocedemos y nos trabamos con las palabras cuando hablamos en voz alta. El nuevo Gemini 3.5 Transcribe de Google está diseñado teniendo en cuenta nuestro habla imperfecta. Anunciado como el modelo de reconocimiento de voz más preciso de la compañía hasta la fecha, toma tu voz desordenada y sin pulir y la convierte en texto limpio y formateado sin esperar que suenes como un presentador de noticias primero.
Llega junto a dos modelos complementarios, Gemini 3.5 Live y Gemini 3.5 Live Experimental, y juntos forman lo que Google denomina “Gemini Audio”.
Cómo Gemini 3.5 Transcribe limpia tu habla
El modelo elimina automáticamente palabras de relleno como “eh” y “ah”, para que tu texto transcrito no lleve todos los contratiempos verbales. También detecta autocorrecciones en tiempo real, así que si dices “quedamos el martes, no, espera, miércoles”, entiende que te referías al miércoles y se adapta en consecuencia. También puedes editar tu texto usando solo tu voz.
El modelo también puede delegar tareas como la generación de imágenes o el análisis de archivos a otros modelos Gemini mediante llamada a funciones, una capacidad que actualmente está presente en la app Gemini en macOS.
Google informa de cifras de precisión sólidas que lo respaldan, con una tasa de error de palabras de solo el 4% para streaming en tiempo real y el 2,6% para audio pregrabado, además de soporte para más de 85 idiomas, acentos regionales y jerga especializada. Incluso puede atribuir la voz a hasta tres altavoces diferentes en una grabación, con marcas de tiempo incluidas.
¿Qué aplicaciones de Google ya tienen Gemini 3.5 Transcribe?
Este modelo no está en un laboratorio en algún sitio. Ya alimenta Rambler, la función de dictado en Gboard de Android, junto con la app Gemini en macOS. El soporte para Chrome llegará pronto, lo que te permitirá dictar directamente en cualquier campo web.
Los desarrolladores ya pueden acceder a él en Google AI Studio y Antigravity, la plataforma de codificación agente de Google. Los usuarios empresariales acceden a él a través de la plataforma Gemini Enterprise Agent. También se está expandiendo a Search Live, Gemini Live, Docs, Keep y Gmail. Así que la próxima vez que estés divagando con el móvil, Géminis podría entenderte mejor de lo que tú te entiendes a ti mismo.
