Google anunció hoy que su último modelo de inteligencia artificial generativa, Gemini 3.5 Transcribe, se implementará pronto en toda la gama de productos de la empresa. El modelo está diseñado para hacer que la entrada de voz se sienta más natural al eliminar automáticamente las palabras de relleno como "um" y "uh", corregir frases mal dichas y entregar una versión de texto pulida del contenido hablado.

Gemini 3.5 Transcribe ya se encuentra detrás de la función "Rambler" en Gboard en el Pixel 11, donde los usuarios han informado experiencias de dictado más suaves. Google afirma que el nuevo motor se integrará en otras aplicaciones, desde Gmail hasta Docs, ampliando el alcance de sus capacidades de voz a texto.

La velocidad y la precisión son los números destacados. Google afirma que el modelo procesa el habla aproximadamente un 70 por ciento más rápido que su predecesor, el motor Chirp 3, reduciendo dramáticamente el tiempo desde la palabra hablada hasta la transcripción final. En paralelo, la tasa de error en tiempo real ha disminuido al 5,5 por ciento, una mejora modesta sobre la medición del 7,32 por ciento de Chirp 3.

Más allá del rendimiento raw, Gemini 3.5 Transcribe trae una serie de refinamientos lingüísticos. A medida que el usuario habla, el sistema puede excizar disfluencias —esos "ums" y "uhs" que salpican la conversación casual— produciendo prosa más limpia sin requerir edición manual. También admite correcciones en tiempo real: si un hablante se detiene para reformular o agrega una aclaración, el modelo ajusta el texto en tiempo real. Una función de vocabulario personalizado permite a los usuarios alimentar jerga especializada al sistema, asegurando que los términos específicos de la industria sean reconocidos correctamente.

La cobertura de idiomas del modelo es amplia, manejando 85 idiomas y acomodando hasta tres hablantes en archivos de audio pregrabados. Esta capacidad de varios hablantes abre puertas para transcribir reuniones, entrevistas y podcasts sin la necesidad de pasos de procesamiento separados.

Google reconoce un intercambio inherente en el enfoque. Al remodelar el lenguaje hablado en una forma más pulida, la inteligencia artificial puede alterar la palabra original —un factor que puede ser inadecuado para contextos que exigen registros literales, como deposiciones legales o investigaciones académicas. La empresa aconseja a los usuarios que consideren el uso previsto antes de confiar en la limpieza automática.

Los analistas de la industria ven el lanzamiento como un movimiento estratégico para cementar el dominio de Google en las utilidades de inteligencia artificial diarias. La entrada de voz ha sido durante mucho tiempo un punto de fricción para los usuarios móviles, y una experiencia más suave podría impulsar una participación más profunda con el ecosistema de hardware y software de Google. Los competidores como Apple y Microsoft han ofrecido servicios de transcripción similares, pero la integración de Google de un modelo generativo a gran escala puede darle una ventaja en velocidad y soporte multilingüe.

Los desarrolladores tendrán acceso al modelo a través de la plataforma de inteligencia artificial de Google, donde podrán integrar la capacidad de transcripción en aplicaciones de terceros. Se espera que los adoptantes tempranos experimenten con subtítulos en tiempo real, herramientas de accesibilidad y bots de servicio al cliente que se beneficien de la conversión de habla más limpia y rápida.

La privacidad sigue siendo una preocupación focal. Google afirma que todos los datos de voz procesados por Gemini 3.5 Transcribe se manejan de acuerdo con sus políticas de privacidad existentes, con procesamiento opcional en el dispositivo para los usuarios que prefieren mantener las grabaciones locales. La empresa no ha revelado si el modelo retiene algún dato para futuros entrenamientos.

En general, Gemini 3.5 Transcribe marca un paso notable hacia adelante en la conversión del lenguaje hablado en texto legible. Si la comodidad supera la pérdida ocasional de matices probablemente dependerá de las demandas específicas de cada usuario.

Este artículo fue escrito con la asistencia de IA.
News Factory APP - noticias agénticas para impulsar tu SEO y AEO.