LONDON (IT BOLTWISE) – Google führt Gemini 3.5 Transcribe ein und positioniert das Modell als bislang präziseste Speech-to-Text-Komponente. Für Entwickler und Unternehmen startet der Einsatz in einer öffentlichen Vorschau, während die Technologie künftig direkt in Chrome verfügbar sein soll. Im Fokus stehen weniger Fehler bei Streaming (4,0% WER) und noch bessere Latenz gegenüber Chirp 3. Gleichzeitig soll die Sprachsteuerung das Schreiben in Webformularen vereinfachen, inklusive intelligenter Weiterdelegation an andere Gemini-Modelle.
Mit Gemini 3.5 Transcribe verschiebt Google den Schwerpunkt im Bereich Speech-to-Text spürbar in Richtung Alltags- und Produktivnutzung: Das Modell setzt nicht nur auf klassische Erkennung von Sprache, sondern zielt auch auf saubere Endtexte ab. Laut Hersteller soll Gemini 3.5 Transcribe Rohaudio direkt in korrekt formatierte Texte überführen, statt dass nachgelagerte Schritte die Qualität wieder „glätten“ müssen. Besonders relevant ist dabei der Anspruch, auch mit typischen Störfaktoren in der Praxis zurechtzukommen, etwa Hintergrundgeräuschen, Fachbegriffen sowie der heute fast immer vorhandenen Unordnung in spontaner Sprache, inklusive Selbstkorrekturen.
Technisch betrachtet adressiert Gemini 3.5 Transcribe genau die Stellen, an denen herkömmliche Spracherkennung im Alltag oft scheitert: Umschreibungen, Füllwörter und die nachträgliche Korrektur ganzer Segmente. Im Beispielmodus zeigt Google, dass das Modell Formulierungswechsel wie „erst Dienstag, dann doch Mittwoch“ in einen konsistenten Endtext überführt. Gleichzeitig sollen Füllwörter am Ergebnisende entfernt werden, während die Ausgabe automatisch formatiert wird. Hinzu kommt ein Ansatz für Voice Editing, bei dem die Stimme nicht nur zum Diktieren dient, sondern auch zur nachträglichen Korrektur und Feinsteuerung des Textes genutzt werden kann.
Entscheidend für die Einordnung sind die Leistungswerte. Google nennt für Gemini 3.5 Transcribe eine durchschnittliche Word Error Rate (WER) von 4,0% für Streaming und 2,6% für nicht-Streaming-Anwendungen. Damit will das Unternehmen besonders reale Umgebungen treffen, in denen Audio-Qualität und Gesprächsstruktur weniger kontrolliert sind. Auch bei alphanumerischen Entitäten wie Postleitzahlen oder Bestell-IDs soll das Modell zuverlässiger sein. Für die „letzte Meile“ der Produktivität nennt Google außerdem einen deutlichen Sprung bei der Zeit bis zur finalen Transkription: Gegenüber dem Chirp-3-Modell von 2025 verbessert sich die Time-to-Final-Transkription um 70%.
Neben der WER und Latenz setzt Gemini 3.5 Transcribe auf mehrere weitere Fähigkeiten, die in heutigen KI-Workflows oft über die reine Transkription hinausgehen. Beim Thema „Custom Vocabulary“ passt das Modell laut Google die Transkription an benutzerdefinierte Fachsprache und Schreibweisen an, sodass etwa ungewöhnliche Eigennamen oder interne Begriffe nicht als Standardwort gemappt werden. Für internationale Einsätze erkennt das System automatisch über 85 Sprachen und soll dabei regionale Akzente und Dialekte berücksichtigen. Darüber hinaus ordnet Gemini 3.5 Transcribe in vorab aufgenommenen Audiofiles bis zu drei Sprecher mit Zeitstempeln zu; Unterstützung für mehr Sprecher wird als experimentell eingeordnet. Auf dem FLEURS-Benchmark liefert das Modell für Streaming 5,50% WER und für nicht-Streaming 5,04% und soll damit multilingual über Chirp 3 besser abschneiden.
Auch die Einbettung in Anwendungen folgt einem klaren Muster: Sprache wird nicht nur als Eingabemethode betrachtet, sondern als Startpunkt für übergreifende Aufgaben. Google beschreibt „Function Calling“ so, dass Gemini 3.5 Transcribe komplexe Tätigkeiten an andere Gemini-Modelle delegieren kann, etwa wenn aus dem gesprochenen Auftrag anschließend Bildgenerierung oder Datei-Analyse folgt. Diese Klammer lässt sich am Beispiel „Speak to Window“ in der macOS-App festmachen. Für Nutzer bedeutet das: Das Transkript ist nicht zwangsläufig das Endprodukt, sondern dient als präziser Kontextanker, um Folgehandlungen direkt aus dem Gespräch heraus anzustoßen.
Die praktische Ausrollung deckt dabei mehrere Zielgruppen ab. Für Entwickler ist Gemini 3.5 Transcribe laut Google in einer öffentlichen Vorschau über die Gemini API verfügbar, eingebettet über Google AI Studio sowie über Google Antigravity. Für Unternehmen nennt Google ebenfalls eine öffentliche Vorschau über die Gemini Enterprise Agent Platform; zudem wird „coming soon“ für Gemini Enterprise im Bereich Customer Experience angekündigt. Besonders spannend ist der nächste Schritt Richtung Browser: Der Einsatz soll in Chrome kommen, damit Nutzer „talk to type“ in Webfeldern können. Damit verschiebt sich die Sprach-Eingabe vom Rand (z. B. Messenger oder Notizen) stärker in den zentralen Arbeitsfluss, etwa beim Diktieren von Antworten, beim schnellen Entwurf von Posts oder beim natürlicheren Anstoßen von Prompts direkt im Browser.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Gemini 3.5 Transcribe: KI-Transkription mit 4,0% WER und Chrome-Integration" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Gemini 3.5 Transcribe: KI-Transkription mit 4,0% WER und Chrome-Integration" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Gemini 3.5 Transcribe: KI-Transkription mit 4,0% WER und Chrome-Integration« bei Google Deutschland suchen, bei Bing oder Google News!