// STADT-BREMERHAVEN — INTELLIGENZA ARTIFICIALE
Google: Gemini 3.5 Transcribe bringt schlauere Sprache-zu-Text-Erkennung
von Carsten Knobloch
26. Aug. 2026 |
0
Google hat mit Gemini 3.5 Transcribe ein neues Modell für Speech-to-Text vorgestellt. Das Modell soll gesprochene Sprache nicht nur stur Buchstabe für Buchstabe abtippen, sondern Audiosignale direkt in sauberen, formatierten Text verwandeln. Das bedeutet in der Praxis: Füllwörter wie Ähm oder Äh fliegen automatisch raus, und auch Selbstkorrekturen wie „Treffen wir uns am Dienstag – nein, Mittwoch“ werden direkt bereinigt erfasst.
Technisch löst Gemini 3.5 Transcribe das bisherige Modell Chirp 3 ab und soll laut Google spürbar flotter und präziser arbeiten. Die Latenz bis zur finalen Transkription sei um rund 70 Prozent gesunken. Bei der Fehlerrate (Word Error Rate) kommt das Modell laut Messungen von Artificial Analysis auf 4,0 Prozent im Live-Streaming und 2,6 Prozent bei vorab aufgezeichneten Tondokumenten. Das Modell unterstützt über 85 Sprachen inklusive regionaler Akzente und kann bei fertigen Aufnahmen bis zu drei verschiedene Sprecher samt Zeitstempeln auseinanderhalten.
Für Entwickler stellt Google das Ganze ab sofort über zwei Schnittstellen bereit: Einmal über die Live-API (gemini-3.5-transcribe-live) für bidirektionales Echtzeit-Streaming mit niedriger Latenz und über die Interactions-API (gemini-3.5-transcribe) für fertige Audioaufnahmen wie Meetings oder Telefonate.
Google bringt die neue Spracherkennung aber auch direkt in die eigenen Oberflächen:
– Unter Android zieht die Technik über die Funktion Rambler in Gboard ein, um Gedanken direkt formatiert einzusprechen, Füllwörter zu filtern und Korrekturen per Sprache vorzunehmen.
– In der Gemini-App für macOS beherrscht das Modell Function Calling. Dadurch lassen sich per Sprachbefehl und Bildschirmkontext andere Gemini-Modelle ansteuern, um etwa Dateien zusammenzufassen oder Bilder zu generieren.
– In Google AI Studio und Google Antigravity lässt sich das Modell ebenfalls einbinden.
– Für Chrome ist eine Funktion in Arbeit, mit der ihr künftig in jedem beliebigen Textfeld per Spracheingabe tippen könnt.
Entwickler können Gemini 3.5 Transcribe ab sofort als Public Preview über Google AI Studio und Antigravity ausprobieren. Für Unternehmenskunden steht die Preview über die Gemini Enterprise Agent Platform bereit. Reguläre Nutzer finden die Funktion ab sofort in der Gemini-App für macOS (zunächst auf Englisch, meh) sowie über Gboard auf Android in ausgewählten Regionen. Chrome folgt demnächst. Interessant: Bisher war Rambler nur auf dem Pixel 11 in Deutschland nutzbar. Sollte laut Google dann ja auch bald mit anderen Geräten losgehen. Muss man mal die Augen aufhalten.
Hinweis: Dieser Artikel enthält Affiliate-Links. Kauft ihr darüber ein, erhalten wir eine kleine Provision - ohne Aufpreis für euch und ohne Einfluss auf unsere redaktionelle Meinung.