先了解这件事
2026年8月26日,Google DeepMind发布Gemini 3.5 Transcribe语音转文本模型,面向实时转写场景,已在Gemini API、Google AI Studio和Gemini Enterprise Agent Platform向开发者开放。据官方信息,该模型相比此前的Chirp 3,最终转写时间据Artificial Analysis测量提升70%,在FLEURS基准上流式模式WER为5.50%、非流式模式为5.04%,并支持多说话人区分、词级时间戳和实时语言切换。该模型同时接入Gboard、Antigravity、Gemini app和Chrome等产品,LangChain、LiveKit、Vercel等平台通过Gemini Live API提供支持。次日,Google AI Developers进一步说明其面向代码场景的能力:可在转写时过滤口语中的犹豫停顿,并依据当前上下文精确对齐技术术语、文件名和代码变量,还通过视觉偏置为复杂开发者工作流提供屏幕感知上下文。目前该模型已开放构建入口。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Google AI for Developers
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月1日
Google AI Blog一手
Google 2026 年 8 月 AI 更新汇总：Gemini 3.7 Flash、Gemini 3.5 Transcribe 与 Pixel 11 系列
Google 发布 8 月 AI 更新汇总，推出面向编程与智能体的 Gemini 3.7 Flash，每百万 token 定价为 3.6 Flash 的一半，并发布语音转文本模型 Gemini 3.5 Transcribe。同期亮相的 Pixel 11、Pixel 11 Pro、Pixel 11 Pro XL 和 Pixel 11 Pro Fold 搭载 Google Tensor G6 芯片，运行最新 Gemini Nano 模型。Gemini 应用月活用户突破 10 亿，Gemini Omni 1.1 Flash 已在 Google Flow、Google AI Studio、Gemini Enterprise Agent Platform 和 Gemini 应用中上线。
8月27日
Ben's Bites
Ben's Bites：ChatGPT Work 新增登录流程，Claude Chat 与 Cowork 共享记忆
ChatGPT Work 推出新的登录流程：智能体遇到登录页时会暂停并弹出表单，用户在其中输入用户名、密码和 2FA 验证码，这些信息不进入聊天，而是直接传给云端浏览器，登录状态可保留供后续任务使用。Claude Chat 与 Cowork 现已共享记忆，但仍与 Claude Code 的记忆相互独立。此外，OpenAI 的新芯片 Jalapeño 在三个开源模型上实现每瓦 1.5-1.9 倍工作量、延迟降低 1.7-3.6 倍，年底开始部署。
Ammaar Reshi
Google 发布 Gemini 3.5 Transcribe 语音转文字模型
Google 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文字模型，支持 85 种以上语言，具备智能纠错和自定义词汇功能。作者用该模型开发了一个类似 Wispr Flow 的应用，并公开了演示和开源代码。
Google AI for Developers一手
Google 发布 Gemini 3.5 Transcribe 语音转文字模型
Google AI Developers 发布 Gemini 3.5 Transcribe，一款面向代码场景的语音转文字模型，可在转写时过滤口语中的犹豫停顿，并依据当前上下文精确对齐技术术语、文件名和代码变量。该模型通过视觉偏置为复杂开发者工作流提供屏幕感知上下文，官方同时给出了开始构建的入口链接。
Sundar Pichai
来认识 Gemini 3.5 Transcribe！
Gemini 3.5 Transcribe 现已开放 API，可用于构建理解用户语音和意图的应用，并支持多说话人场景。它可自动检测 85+ 种语言、适配专业术语词汇，现可通过 Google AI Studio、Gemini Enterprise、macOS 版 Gemini 应用或 Android 版 Rambler 使用。
8月26日
Google DeepMind一手精选
Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文本模型
Google DeepMind 发布 Gemini 3.5 Transcribe，一款面向实时转写的语音转文本模型，已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 向开发者开放。相比此前的 Chirp 3，其最终转写时间据 Artificial Analysis 测量提升 70%，在 FLEURS 基准上流式模式 WER 为 5.50%、非流式模式为 5.04%，并支持多说话人区分、词级时间戳和实时语言切换。该模型同时接入 Gboard、Antigravity、Gemini app 和 Chrome 等产品，LangChain、LiveKit、Vercel 等平台通过 Gemini Live API 提供支持。