谷歌发布 Gemini 3.5 Transcribe，AI 语音转文字能力扩展至更多产品

谷歌于近日正式宣布推出 Gemini 3.5 Transcribe，这是其 Gemini 模型家族中专注于语音转文字任务的新成员。与此前发布的多模态或对话类模型不同，Gemini 3.5 Transcribe 将能力聚焦于高精度语音识别，旨在为开发者和终端用户提供更自然、更准确的语音输入体验。

这项技术并非全新起步。Gemini 3.5 Transcribe 的核心能力此前已在谷歌自家输入法 Gboard 的 Rambler 功能中得到实际验证。Rambler 允许用户通过语音快速生成段落文字，并由 AI 自动整理成连贯表达，受到部分用户的广泛好评。此次独立发布，意味着这一经过打磨的语音 AI 将走出输入法的边界。

Chrome 浏览器是谷歌明确列出的首批集成产品之一。考虑到 Chrome 在全球拥有数十亿用户，Gemini 3.5 Transcribe 的加入有望显著提升浏览器在语音输入、实时字幕、网页内容朗读转录等场景下的表现，为用户带来更流畅的人机交互体验。

从更宏观的视角来看，此次发布是谷歌将 Gemini 系列模型能力系统性嵌入自有产品矩阵的重要一步。谷歌正在将 Gemini 打造成贯穿搜索、办公、浏览器、移动端等多个触点的统一 AI 基础设施，语音识别作为人机交互的核心入口，自然成为优先整合的能力模块。

AI 驱动的语音转文字技术在无障碍访问领域同样具有重要意义。对于听障人士、语言学习者以及需要在嘈杂环境中快速记录信息的用户而言，高精度实时转录能够大幅降低信息获取门槛。谷歌此举也被外界解读为在该领域对 OpenAI Whisper 及 Apple 语音识别等竞争方案的直接回应。

目前，谷歌尚未完整披露 Gemini 3.5 Transcribe 支持的语言数量、离线能力及开发者 API 接入细节。随着更多产品陆续完成集成，这款语音 AI 的实际表现与覆盖范围将成为业界持续关注的焦点。

要点

• 谷歌正式推出 Gemini 3.5 Transcribe，将 AI 语音转文字能力从 Gboard Rambler 扩展至更广泛的产品线
• Chrome 浏览器是首批集成 Gemini 3.5 Transcribe 的谷歌产品之一，有望提升语音输入与实时转录体验
• 此举是谷歌将 Gemini 模型系统性整合进自有产品生态的战略延续，语音交互成为关键布局方向
• 该技术在无障碍访问、多语言沟通及内容创作等场景具有广泛应用潜力
• 开发者 API 及多语言支持等细节尚待谷歌进一步披露