谷歌落后一个时代？CEO 亲自官宣“语音转文字”模型，网友：你们看不清形势啊

谷歌于8月26日发布语音转文本模型Gemini 3.5 Transcribe，CEO皮查伊在X平台官宣。该模型可自动清理语气词、口误并补充标点，支持85种以上语言及实时切换，针对嘈杂环境、多口音及专业词汇优化，并支持自定义词表（最多1000词）和最多8人说话人分离。据谷歌引用的测评数据，其流式转录词错误率为4.0%，非流式2.6%，延迟较上代Chirp 3缩短70%。提供实时与预录音频两个版本，价格分别为每分钟0.009美元和0.005美元。模型新增Smart Transcription功能，可将口语整理为成稿文本，但谷歌同时提供逐字记录模式以保留原始措辞。该技术已集成至Gboard和Gemini应用。部分用户批评谷歌在行业聚焦Agent与端到端交互时仍主推语音转写，认为其产品节奏与行业焦点错位。