LONDON (IT BOLTWISE) – Google bringt mit Gemini 3.5 Transcribe ein neues KI-Modell für Sprache-zu-Text in den Markt. Es soll den Weg von der gesprochenen Aussage bis zum finalen Transkript um rund 70 Prozent beschleunigen und die Live-Speech-Fehlerrate auf 5,5 Prozent senken. Das Modell entfernt typische Füllwörter wie „ums“ und „uhs“, kann während des Sprechens Textanpassungen vornehmen und greift dabei auf ein benutzerdefiniertes Vokabular zurück. Verfügbar ist es zunächst in Gemini-Apps wie Rambler, anschließend sollen weitere Google-Geräte folgen und auch Chrome „bald“ Unterstützung erhalten.
Google positioniert Gemini 3.5 Transcribe als gezielte Verbesserung für das, was im Alltag oft den Unterschied zwischen „funktioniert irgendwie“ und wirklich flüssiger Voice-Nutzung macht: nicht nur das Erkennen gesprochener Wörter, sondern das anschließende Glätten von Intonations- und Denkbrüchen. Das Modell soll nach Unternehmensangaben von der Stimme bis zum final transkribierten Text etwa 70 Prozent schneller sein als der Vorgänger Chirp 3. Gleichzeitig sinkt die Fehlerquote in Live-Sprache auf 5,5 Prozent, während Chirp 3 mit 7,32 Prozent gemessen wurde. Damit rückt Google einen der größten Reibungspunkte im Sprachdialog in den Fokus: Sobald Transkription zwar „verständlich“ ist, aber Tippfehler oder unpassende Formulierungen nachträglich korrigiert werden müssen, kippt die Nutzererfahrung schnell in reines Nacharbeiten.
Technisch lässt sich die Verbesserung daran festmachen, dass Gemini 3.5 Transcribe mehr tut als reines Speech-to-Text. Laut Beschreibung nimmt die KI typische Füllwörter aus dem gesprochenen Fluss heraus, konkret nennt Google „ums“ und „uhs“. Außerdem kann das System Text im laufenden Prozess bearbeiten, also Korrekturen direkt in die Ausgabe einflechten, statt erst nach dem Ende des Diktats eine Korrekturphase zu erzwingen. Besonders praxisnah ist dabei die Einbindung von benutzerdefiniertem Vokabular: Wenn Nutzerinnen und Nutzer „spezialisierte Fachsprache“ vorgeben, soll die KI diese Begriffe beim Transkript aktiv berücksichtigen. Das Modell arbeitet dabei in 85 Sprachen und unterstützt bis zu drei Sprecher in vorab aufgezeichneten Audioszenarien, was für Meeting-Notizen oder kurze Gesprächsprotokolle über die reine Einzelnutzung hinaus relevant wird.
Im Marktkontext ist das eine Verschiebung in Richtung „schreibfertige“ Eingabe, also eine Zwischenstufe zwischen Diktat und Editor. Während klassische Diktierfunktionen häufig den Wortlaut möglichst exakt abbilden und Tippfehler nur über nachgelagerte Korrekturwerkzeuge lösen, versucht Google hier, den Text bereits während der Eingabe sprachlich zu ordnen. Das ist genau dort interessant, wo Voice nicht nur fürs schnelle Notieren gedacht ist, sondern als Steuerungs- oder Produktivitätsschnittstelle dient. In Unternehmen treffen solche Features auf zwei Erwartungen: kurze Wege zum Ziel und konsistente Textqualität. Genau deshalb vergleichen viele Anwender Voice-zu-Text-Modelle inzwischen nicht nur nach Genauigkeit, sondern nach der Frage, wie viel Nachbearbeitung im Ergebnis noch nötig ist. Wettbewerber bieten zwar seit Jahren Speech-Recognition-Funktionalität an, etwa als integrierte Betriebssystem-Diktate oder als cloudbasierte Dienste für Entwickler; mit dem Fokus auf sprachliche Bereinigung und Inline-Korrekturen bewegt sich Google jedoch stärker in Richtung „KI-gestütztes Textediting“.
Ein weiterer Punkt ist die konkrete Ausrollogik innerhalb des Google-Ökosystems. Gemini 3.5 Transcribe ist laut den Angaben bereits live an mehreren Stellen, darunter Rambler in Gboard – allerdings zunächst auf Pixel-11-Geräten beschränkt. Für die Breite kündigt Google an, Rambler „später in diesem Jahr“ auf „mehr Gemini Intelligence“-fähige Geräte auszuweiten. Für Nutzer der Gemini-App auf macOS soll die Voice-Eingabe ebenfalls ab sofort von der neuen Transcribe-Engine profitieren. Diese Etappierung ist typisch für Modell-Updates: Erst werden ausgewählte Oberflächen genutzt, um Verhalten, Latenz und Qualitätswahrnehmung im echten Nutzungsalltag zu prüfen, bevor die Rollout-Welle auf weitere Geräte und Browserkanäle erfolgt.
Besonders für Entwickler wird das Thema damit auch zu einer Frage der Integrationsmöglichkeiten. Google nennt gleich mehrere Zugangswege: Antigravity erhält ab sofort volle Implementierungsmöglichkeiten mit Screen-Context und Chat-History – jeweils mit Nutzerfreigabe. AI Studio bietet ebenfalls Zugriff auf das Modell, um mit AI-optimiertem Voice-to-Text zu „vibe codieren“, und zusätzlich ist die Nutzung über die Gemini API vorgesehen. Für Teams bedeutet das vor allem: Voice wird nicht als isoliertes Feature betrachtet, sondern als Komponente, die in bestehende Workflows eingebettet werden kann – etwa in Tools, die Kontext aus UI-Ansichten oder Gesprächsverläufen nutzen, um die Ausgabe zielgerichteter zu machen. Damit steigt auch die Bedeutung von Permission-Mechanismen und Kontextgrenzen, weil die Qualität nicht nur von der akustischen Erkennung, sondern von der verfügbaren Umgebung abhängt.
Trotz der Fortschritte bleibt ein inhärenter Trade-off: Das Modell verändert die Textausgabe, statt sie nur zu transkribieren. Google adressiert das indirekt, indem die KI Formulierungen glättet und Füllwörter entfernt, aber damit auch „das Wording“ der gesprochenen Inhalte technisch gesehen anpassen kann. In kurzen Diktaten wirkt das in der Praxis häufig hilfreich, um Stolperer und Inkonsistenzen zu reduzieren; zugleich kann es in Situationen problematisch sein, in denen die Nutzerin oder der Nutzer den exakten Wortlaut dokumentieren muss – etwa bei rechtlich sensiblen Aussagen, Protokollzwecken oder wenn es auf Terminologie im Original ankommt. Für den Produktivbetrieb heißt das: Unternehmen sollten Voice-gestützte Eingaben sinnvoll dort einsetzen, wo nachbearbeitungstolerant und textredaktionell erwünscht ist, während für „unverfälschte“ Transkripte weiterhin Archiv- oder OCR-nahe Wege nötig sein können. Wenn Google die Funktion wie angekündigt „bald“ auch in Chrome verankert, geht es damit zugleich um die Breite der Anwendung: Dann könnte Voice-Eingabe in nahezu jedes Webformular wandern – vom E-Mail-Entwurf bis zur Bedienung von Chatbots per Sprache.
💳 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 verbessert Sprache-zu-Text in Google-Produkten deutlich" 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 verbessert Sprache-zu-Text in Google-Produkten deutlich" 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 verbessert Sprache-zu-Text in Google-Produkten deutlich« bei Google Deutschland suchen, bei Bing oder Google News!