Google amplia le capacità vocali della famiglia Gemini con Gemini 3.5 Transcribe, definito dall’azienda come il suo modello di speech-to-text più preciso. Presentato il 26 agosto 2026, il sistema è progettato per trasformare l’audio grezzo direttamente in un testo accurato, formattato e più aderente al modo naturale di parlare.
La tecnologia è già utilizzata in alcune esperienze Google, tra cui l’app Gemini e Android, e ora viene resa disponibile anche agli sviluppatori attraverso le API dedicate.
Due API per trascrivere audio in tempo reale o registrato
Gemini 3.5 Transcribe è disponibile attraverso due API distinte, pensate per esigenze differenti. La prima è la Live API, che utilizza gemini-3.5-transcribe-live e permette uno streaming bidirezionale continuo con una latenza inferiore al secondo. È destinata, in particolare, alle applicazioni vocali interattive.
La seconda riguarda invece l’elaborazione di audio preregistrato, come riunioni, registrazioni e log delle chiamate. In questo caso viene utilizzato gemini-3.5-transcribe tramite la Interactions API, con supporto per l’attribuzione dei diversi interlocutori e per i timestamp a livello di singola parola.
L’obiettivo è consentire agli sviluppatori di integrare la tecnologia in voice agent, strumenti per sottotitoli in tempo reale e sistemi di analisi delle conversazioni.
Una trascrizione che riconosce il modo naturale di parlare
Uno degli elementi distintivi di Gemini 3.5 Transcribe è la capacità di gestire il linguaggio naturale senza limitarsi a convertire meccanicamente la voce in testo. Il modello può, per esempio, comprendere un’autocorrezione come «incontriamoci martedì, no, mercoledì», eliminando inoltre parole riempitive come «ehm» e «uhm».
Il sistema supporta anche un vocabolario personalizzato, utile per riconoscere termini tecnici, gergo specialistico e grafie particolari.
Secondo le misurazioni di Artificial Analysis riportate da Google, il modello raggiunge un Word Error Rate medio del 4% nello streaming e del 2,6% nei casi non streaming. La tecnologia mostra inoltre buone prestazioni in ambienti rumorosi e nella gestione di elementi alfanumerici, come codici postali e numeri d’ordine.
Gemini 3.5 Transcribe rileva automaticamente oltre 85 lingue, gestendo accenti regionali e dialetti. Per gli audio preregistrati può inoltre identificare fino a tre interlocutori con relativi timestamp, mentre il supporto a un numero maggiore di persone è ancora sperimentale.
Dalla trascrizione alle funzioni vocali di Gemini
La tecnologia non rimane confinata alle API. Google la sta integrando in diversi prodotti e servizi per rendere le interazioni vocali più naturali.
Su Gboard per Android, attraverso la funzione Rambler, il modello può trasformare il parlato in testo formattato, eliminare le parole riempitive e permettere di correggere errori o modificare lo stile di scrittura usando la voce.
Su Google Antigravity, con il consenso dell’utente, combina il contesto visualizzato sullo schermo e la cronologia delle chat per migliorare la precisione della trascrizione relativa a nomi di file, documenti e attività in corso.
Nell’app Gemini per macOS, invece, la trascrizione può essere accompagnata da comandi vocali capaci di sfruttare il contesto dello schermo. In questo modo è possibile, per esempio, analizzare file locali, rielaborare testi tra diverse applicazioni o generare immagini utilizzando la voce.
Google prevede inoltre l’arrivo della funzione in Chrome, dove sarà possibile parlare per inserire testo nei campi delle pagine web.
Disponibilità per sviluppatori e aziende
Gemini 3.5 Transcribe è già disponibile in public preview per gli sviluppatori attraverso la Gemini API in Google AI Studio e Google Antigravity. Per le aziende, il modello è disponibile in anteprima sulla Gemini Enterprise Agent Platform e arriverà prossimamente anche su Gemini Enterprise for Customer Experience.
Google sottolinea inoltre il miglioramento rispetto al precedente modello di trascrizione Chirp 3. Secondo i dati citati dall’azienda, il tempo necessario per ottenere la trascrizione finale è migliorato del 70%. Sul benchmark FLEURS, Gemini 3.5 Transcribe raggiunge un WER del 5,50% nello streaming e del 5,04% nei casi non streaming.
Per il pubblico, il modello è già presente nell’app Gemini su macOS in inglese e in Rambler su Android in alcuni Paesi e lingue, mentre l’integrazione in Chrome è indicata da Google come in arrivo.
