Google resmi meluncurkan Gemini 3.5 Transcribe, model speech-to-text terbaru yang dirancang bukan sekadar mengubah percakapan menjadi teks, tetapi memahami konteks ucapan dan menghasilkan transkrip yang lebih rapi. Google menyebutnya sebagai model speech-to-text paling presisi yang mereka miliki saat ini.
Berbeda dari sistem transkripsi konvensional, Gemini 3.5 Transcribe mampu menangani kondisi yang biasanya merepotkan mesin pengenal suara, mulai dari kebisingan latar, istilah khusus, hingga ucapan yang penuh jeda dan koreksi spontan. Google menjelaskan bahwa model ini dapat mengubah audio mentah menjadi teks yang sudah dibersihkan, diformat, dan lebih mudah dibaca.
Salah satu kemampuan menariknya adalah Smart Transcription. Fitur ini dapat menghapus kata pengisi seperti “um” dan “uh”, memperbaiki pengulangan, serta memahami ketika seseorang mengoreksi perkataannya sendiri. Misalnya, ketika pengguna mengatakan ingin bertemu Selasa lalu segera mengubahnya menjadi Rabu, secara otomatis sistem dapat menghasilkan teks akhir yang sudah mencerminkan koreksi tersebut.
Dari sisi bahasa, Gemini 3.5 Transcribe sudah mendukung lebih dari 85 bahasa dan varian lokal. Pada model terbaru ini juga mampu mendeteksi pergantian bahasa dalam satu percakapan tanpa pengguna harus menentukan bahasa secara manual. Untuk kebutuhan profesional, Google menyediakan fitur custom vocabulary yang memungkinkan sistem mengenali hingga 1.000 istilah khusus, termasuk akronim, nama, dan jargon industri. Pada rekaman audio, Gemini 3.5 Transcribe dapat membedakan hingga tiga orang sekaligus dan memberikan timestamp pada tingkat kata. Fitur tersebut membuatnya lebih relevan untuk transkripsi rapat, wawancara, panggilan pelanggan, hingga produksi konten.
Google juga mengklaim peningkatan performa signifikan dibandingkan model sebelumnya yakni, Chirp 3. Berdasarkan pengukuran Artificial Analysis yang dikutip Google, tingkat kesalahan kata mencapai rata-rata 4 persen untuk penggunaan streaming dan 2,6 persen pada audio non-streaming. Waktu menuju transkripsi final juga diklaim meningkat sekitar 70 persen.
Untuk saat ini Gemini 3.5 Transcribe hanya tersedia dalam public preview melalui Gemini API, Google AI Studio, dan platform enterprise tertentu. Selain itu, teknologi tersebut juga sudah digunakan di Gemini untuk macOS dan fitur Rambler pada Gboard Android di sejumlah wilayah. Dukungan voice typing di Chrome dijadwalkan menyusul, memperlihatkan ambisi Google menjadikan suara sebagai cara baru berinteraksi dengan berbagai layanan digital.
