News

Gemini 3.5 Transcribe, Google porta la trascrizione AI a un nuovo livello

GuruHiTech 453 Views ,  ,  ,  ,  ,  ,  ,  ,  ,  , 

Google alza l’asticella nel riconoscimento vocale con Gemini 3.5 Transcribe, il nuovo modello speech-to-text presentato il 26 agosto 2026 e progettato per trasformare conversazioni e registrazioni in testo con maggiore precisione, anche in tempo reale. L’obiettivo non è limitarsi a riportare ciò che viene detto, ma ottenere direttamente una trascrizione più pulita, leggibile e strutturata.

Il modello è pensato per affrontare alcuni dei problemi più comuni dei sistemi tradizionali di riconoscimento vocale, come rumore di fondo, terminologia specialistica, accenti, cambi di lingua e imperfezioni tipiche del parlato spontaneo. Gemini 3.5 Transcribe può inoltre riconoscere elementi alfanumerici complessi, come codici postali e numeri d’ordine.

Dall’audio grezzo a un testo già ripulito e formattato

Una delle caratteristiche più interessanti è la cosiddetta Smart transcription. In questa modalità, Gemini 3.5 Transcribe può eliminare automaticamente intercalari e disfluenze, gestire ripetizioni e false partenze e interpretare le correzioni effettuate durante una frase. Può inoltre applicare punteggiatura, maiuscole e una formattazione più naturale, arrivando a organizzare il contenuto in paragrafi o liste quando necessario.

Questo significa che una persona può parlare in maniera naturale, senza dover necessariamente dettare ogni frase come farebbe con un sistema di riconoscimento vocale tradizionale. Se durante il discorso cambia idea e corregge un’informazione, il sistema è progettato per incorporare la modifica nel risultato finale anziché limitarsi a trascrivere alla lettera l’intera sequenza.

Resta comunque disponibile una modalità verbatim, pensata per i casi in cui è necessario conservare fedelmente ciò che è stato pronunciato, compresi intercalari, ripetizioni e false partenze. La modalità Smart, invece, privilegia la leggibilità del testo finale.

Sul fronte della precisione, Google cita le misurazioni di Artificial Analysis, secondo cui Gemini 3.5 Transcribe raggiunge un Word Error Rate medio del 4,0% nello streaming e del 2,6% con audio non in streaming. Google segnala inoltre un miglioramento del 70% nel tempo necessario per ottenere la trascrizione finale rispetto al precedente modello Chirp 3.

Oltre 85 lingue, accenti e conversazioni con più persone

La vocazione internazionale è un altro elemento centrale. Gemini 3.5 Transcribe riconosce automaticamente più di 85 lingue e può gestire anche cambi di lingua durante la stessa conversazione, senza richiedere necessariamente una configurazione manuale preventiva. Il modello è stato sviluppato per lavorare anche con accenti regionali e dialetti differenti.

Per aumentare l’accuratezza nei contesti professionali è disponibile anche il vocabolario personalizzato, che permette di indirizzare il riconoscimento verso termini specialistici, acronimi, nomi propri o parole con grafie particolari. La documentazione di Google indica la possibilità di fornire fino a 1.000 termini, anche se l’azienda segnala che generalmente i risultati migliori vengono ottenuti con liste fino a circa 100 elementi.

Leggi anche:

Nelle registrazioni preregistrate è disponibile inoltre la diarizzazione degli speaker, cioè la capacità di distinguere le persone che stanno parlando e attribuire correttamente le varie porzioni della trascrizione. Google presenta il supporto fino a tre interlocutori come capacità consolidata del modello, mentre la documentazione tecnica indica il supporto fino a otto speaker, specificando però che l’attribuzione con tre o più persone è ancora sperimentale.

Per i file audio è possibile ottenere anche timestamp a livello di singola parola, una funzione utile per sottotitoli, analisi di chiamate, interviste, riunioni e strumenti che devono sincronizzare testo e registrazione.

Gemini 3.5 Transcribe arriva nelle app Google

La tecnologia non resterà confinata alle API. Gemini 3.5 Transcribe è già alla base di alcune nuove esperienze vocali di Google, tra cui Rambler su Android nei Paesi e nelle lingue supportati e le funzioni vocali dell’app Gemini per macOS, inizialmente disponibili in inglese.

Su Android, Rambler può trasformare il parlato in testo formattato eliminando gli intercalari e permette di utilizzare la voce anche per apportare modifiche, correggere errori e cambiare lo stile del testo. Nell’app Gemini per macOS, invece, il riconoscimento vocale può essere combinato con il contesto presente sullo schermo e con altri modelli Gemini per eseguire operazioni più articolate.

L’integrazione è prevista anche in Chrome. Google anticipa una funzione che consentirà di parlare per inserire testo direttamente nei campi presenti sul Web, ad esempio per comporre risposte, preparare post o scrivere prompt senza utilizzare la tastiera.

Per gli sviluppatori, Gemini 3.5 Transcribe è disponibile in anteprima pubblica attraverso Gemini API e Google AI Studio, mentre le aziende possono accedervi tramite Gemini Enterprise Agent Platform. Il modello mette a disposizione due modalità principali: elaborazione dell’audio preregistrato e trascrizione streaming a bassa latenza tramite Live API.

Con questa evoluzione, Google punta quindi a trasformare il riconoscimento vocale da semplice conversione speech-to-text a uno strumento capace di comprendere meglio la forma del discorso e produrre immediatamente un testo più adatto all’utilizzo reale.

Fonte

Ti potrebbe interessare:
Segui guruhitech su:

Esprimi il tuo parere!

Ti è piaciuta questa notizia? Lascia un commento nell’apposita sezione che trovi più in basso e se ti va, iscriviti alla newsletter.

Per qualsiasi domanda, informazione o assistenza nel mondo della tecnologia, puoi inviare una email all’indirizzo [email protected].

Condividi l'articolo

Scopri di più da GuruHiTech

Abbonati per ricevere gli ultimi articoli inviati alla tua e-mail.

0 0 voti
Article Rating
Iscriviti
Notificami
guest
0 Commenti
Più recenti
Vecchi Le più votate