Google ha annunciato Gemini 3.5 Transcribe, il suo nuovo modello di trascrizione vocale che punta a fare un salto qualitativo rispetto ai classici sistemi di riconoscimento vocale. Non si tratta solo di convertire audio in testo: il modello ripulisce automaticamente il parlato, eliminando esitazioni, autocorrezioni e parole di riempimento come "ehm" e "ah", e formatta il risultato in modo leggibile senza intervento dell'utente.Il modello è già disponibile per gli sviluppatori tramite le API di Google AI Studio e Gemini Enterprise Agent Platform, ma arriva anche direttamente su alcune superfici consumer che molti di noi usano ogni giorno. Sul fronte delle prestazioni, Google cita dati misurati da Artificial Analysis: un tasso di errore medio del 4% in streaming e del 2,6% per l'audio pre-registrato. Rispetto al precedente modello Chirp 3, il tempo necessario per completare una trascrizione migliora del 70%, un salto non banale per chi usa la dettatura in tempo reale.Tra le funzioni più utili troviamo il riconoscimento automatico di oltre 85 lingue con gestione degli accenti regionali, l'identificazione di più parlanti in registrazioni pre-esistenti (fino a tre, con supporto sperimentale per un numero maggiore), e la possibilità di fornire al modello un vocabolario personalizzato per termini tecnici o nomi propri particolari. Supporta anche la trascrizione di entità alfanumeriche come codici postali e numeri d'ordine, che i sistemi tradizionali spesso sbagliano.C'è anche una modalità di function calling: il modello può delegare compiti complessi ad altri modelli Gemini, come la generazione di immagini o l'analisi di file, attualmente disponibile nell'app Gemini per macOS. Su Android, tramite la funzione Rambler di Gboard, il modello trasforma il parlato in testo formattato e pulito, eliminando le parole di riempimento. È già disponibile in alcuni paesi e lingue. Ne avevamo parlato anche in un articolo dedicato: Rambler su Gboard e la dettatura AI dei Pixel 11.Su macOS, nell'app Gemini, il modello non si limita a trascrivere: permette di usare comandi vocali per riassumere file locali, spostare testo tra app o generare immagini, sfruttando il contesto dello schermo. Su Google Antigravity, la piattaforma per agenti AI di Google, il modello usa la cronologia delle chat e il contesto dei documenti aperti per migliorare la precisione della trascrizione.In arrivo su Chrome: Google ha annunciato che presto sarà possibile dettare testo in qualsiasi campo web del browser, dalle risposte alle email ai prompt per i chatbot. Non c'è ancora una data precisa per il rollout.L'articolo Gemini 3.5 Transcribe: la dettatura vocale che riscrive il testo al posto tuo sembra essere il primo su Smartworld.