Transcrever reunião, entrevista ou ideia falada costuma criar uma segunda tarefa: limpar cada “é”, “hum”, pausa estranha e frase quebrada. Google quer reduzir essa etapa com Gemini 3.5 Transcribe, novo modelo de áudio da família Gemini.
Função mais prática está no acabamento. Segundo Google, ferramenta consegue organizar texto enquanto recebe voz e remover palavras de preenchimento, como “um” e “ah”. Para quem grava notas no celular, dita mensagens longas ou transforma conversas em documento, resultado tende a chegar mais perto de algo pronto para revisar e enviar.
Menos correção de termos técnicos
Outro ponto útil é vocabulário personalizado. Usuário pode informar nomes, grafias e jargões próprios para modelo reconhecer melhor palavras que costumam sair erradas em transcritores. Isso vale para equipes com siglas internas, produtos com nome pouco comum, áreas médicas, jurídicas ou desenvolvimento de software.
Em vez de voltar no texto para trocar termo errado dez vezes, ideia é ensinar contexto antes. Não elimina revisão humana, principalmente em conteúdo importante, mas corta trabalho repetitivo. Google também afirma que modelo melhora desempenho multilíngue e reduz erros de palavras frente ao Chirp 3, modelo anterior de transcrição da empresa.
Recursos para áudio gravado e conversa ao vivo
Gemini 3.5 Transcribe identifica até três pessoas em arquivos de áudio pré-gravados. Também entrega marcações de tempo por palavra. Na prática, isso ajuda quem precisa localizar trecho específico de reunião ou entrevista sem ouvir arquivo inteiro outra vez.
Lançamento vem junto de Gemini 3.5 Live e Gemini 3.5 Live Experimental. Versão Live busca lidar melhor com interrupções no meio da fala, reconhecimento de idiomas e processamento visual em tempo real. Já edição Experimental pode narrar, em tempo real, etapas do raciocínio ao trabalhar em tarefas mais complexas.
Parte interessante não é transcrever voz. É receber texto que exige menos faxina antes de virar trabalho de verdade.
Onde recurso aparece primeiro
Atualizações começam em inglês para usuários do app Gemini no macOS. Recurso de ditado Rambler no Android também recebe novidades em países e idiomas selecionados. Desenvolvedores podem testar modelos em prévia pública pela Gemini API, via AI Studio e Antigravity.
Suporte ao Chrome está previsto para chegar depois. Google ainda não lançou Gemini 3.5 Pro, prometido inicialmente para junho. Enquanto versão mais potente não aparece, empresa avança em parte bem mais cotidiana da IA: fazer sua fala virar texto útil sem parecer uma transcrição crua.
Fonte: https://www.theverge.com/tech/985186/google-gemini-3-5-transcribe-audio-ai