Google introduceert Gemini 3.5 Transcribe voor nauwkeurigere spraakherkenning

Spraakherkenning struikelt vaak over achtergrondlawaai, jargon of iemand die halverwege een zin van gedachten verandert. Gemini 3.5 Transcribe moet dat probleem oplossen. Het model, ontwikkeld door het Gemini Audio-team van Google, zet ruwe audio direct om in nette, leesbare tekst en verwijdert daarbij automatisch stopwoorden als "uh" en "eh". Zegt iemand "laten we dinsdag afspreken, nee wacht, woensdag", dan toont de transcriptie alleen de correctie. Het systeem herkent bovendien tot drie sprekers in een opname en voorziet elke zin van een tijdstempel, wat handig is voor het analyseren van vergaderingen of klantgesprekken.

Lagere foutpercentages, ook in rumoerige omgevingen

Volgens metingen van analysebureau Artificial Analysis haalt het model een woordfoutpercentage van gemiddeld 4,0 procent bij realtime spraak-naar-tekst en 2,6 procent bij het verwerken van opgenomen audio. Dat is een flinke sprong vergeleken met Chirp 3, het vorige transcriptiemodel van Google. Op de internationale FLEURS-testset, die meerdere talen en accenten beslaat, scoort Gemini 3.5 Transcribe rond de 5 procent foutmarge. Het model blijkt ook goed in het correct herkennen van lastige combinaties als postcodes en bestelnummers, en het kan getraind worden op specifieke vakjargon of ongebruikelijke naamgeving die een bedrijf zelf aanlevert.

Twee versies voor twee soorten gebruik

Ontwikkelaars kunnen kiezen uit twee varianten. De eerste levert continue, tweerichtingsstreaming met een vertraging van minder dan een seconde, bedoeld voor spraakassistenten en live ondertiteling. De tweede verwerkt bestaande opnames, inclusief vergaderingen en callcenter-gesprekken, met sprekersherkenning. Google claimt dat de tijd tot een definitieve transcriptie in de streamingvariant met 70 procent is verkort ten opzichte van het vorige model. Een opvallende toevoeging is functieaanroep: het model kan tijdens het transcriberen taken doorschuiven naar andere Gemini-modellen, bijvoorbeeld om een bestand samen te vatten of een afbeelding te genereren op basis van een gesproken opdracht.

Van ontwikkelaarstool naar dagelijkse app

Consumenten gebruiken de technologie al zonder het te beseffen. Op Android zit ze in de nieuwe Rambler-functie van Gboard, die gesproken tekst opschoont voor gebruik in berichten. In de Gemini-app op macOS stuurt het model ook complexere opdrachten aan, zoals bestanden doorzoeken met je stem. Google kondigt aan dat de functie binnenkort ook in Chrome verschijnt, zodat gebruikers in elk tekstveld op het web kunnen dicteren. Voor ontwikkelaars is het model beschikbaar via Google AI Studio en het Gemini Enterprise Agent Platform. Partijen als LiveKit, LangChain en Vercel bouwen er al voice-apps mee, en bedrijven als Vivo en Lingopal noemen de snelheid en taalondersteuning een verbetering ten opzichte van eerdere transcriptiesystemen.