谷歌发 Gemini 3.5 Transcribe：不只是把话记下来，还替你删口头禅

谷歌放出了新的语音转文本模型 Gemini 3.5 Transcribe，自称迄今最精准。但准确率其实不是这次的重点。

重点是它把边界从”逐字记录”往前推了一步。传统语音识别的目标是忠实——你说什么它写什么，包括”嗯””那个””就是说”，包括你说到一半改口的前半句。Gemini 3.5 Transcribe 会识别说话人的自我修正，自动删掉口头禅，直接把非结构化的口语整理成格式化文本。

换句话说，它在做一件转录工具过去不敢做的事：判断你想说什么，而不是记录你说了什么。

这在会议纪要、采访整理这类场景里是实打实的省事——过去这一步得人工再过一遍，或者塞给另一个大模型润色。合成一步，链路短了很多。

代价也是真的。忠实转录之所以是行业默认，是因为在法律取证、医疗记录、新闻采访这些场景里，”他到底说了哪个词”本身就是证据。一个会自动修正的转录器，在这些地方不能用。

目前已经进了 Android 版 Gboard 和 Mac 版 Gemini 应用，同时通过 Gemini API 向开发者开放预览。