Google、Gemini 3.5 Transcribe を発表し85言語対応とリアルタイム誤り修正を実現

記事の3ポイント

1. 1

   多言語・高精度な音声認識の実現

   Gemini 3.5 Transcribe は85以上の言語に対応し、ストリーミングモードでの単語誤り率（WER）を4.0%に抑える。

2. 2

   リアルタイムの自己修正機能

   このモデルは発話中のつまずきやフィラーワードを自動的に除去・補正し、自然なテキストへ変換する機能を備えている。

3. 3

   性能と遅延の劇的な改善

   前世代の Chirp 3 と比較して遅延が70%低下し、リアルタイム処理における応答速度が大幅に向上した。