Google lança Gemini 3.5 Transcribe: menos vícios de linguagem em 85 línguas

O Gemini 3.5 Transcribe não se limita a captar o que alguém diz. Converte o que disseram naquilo que realmente queriam dizer. Quando um orador se corrige a meio da frase — «Vamos agendar para terça-feira, não, quarta-feira» — o modelo devolve «quarta-feira» e descarta a correção. As palavras de enchimento desaparecem. O ruído de fundo não o trava. O resultado surge como texto polido e formatado, e não como uma captura de áudio em bruto.

Para quem grava entrevistas, podcasts ou conteúdo multilingue, esta distinção é todo o fluxo de trabalho. Todas as ferramentas de transcrição no mercado tratam do «que foi dito». O editor humano que limpava o texto depois tratava de tudo o resto. A Google está agora a incorporar esse editor no próprio modelo.

O modelo suporta duas vias de API distintas. A Live API lida com streaming bidirecional contínuo com latência inferior a um segundo — concebida para agentes de voz em tempo real, bots de apoio ao cliente e tudo o que precise de transcrição instantânea. A Interactions API lida com áudio gravado: reuniões completas, registos de chamadas e entrevistas, devolvendo a atribuição de orador para até três participantes com marcas temporais. Ambas alcançam uma taxa de erro de palavras de 4,0% em modo de streaming e 2,6% em modo não contínuo — medida pela empresa de referência independente Artificial Analysis. O modelo anterior de voz para texto da Google, o Chirp 3, precisava de 70% mais tempo para atingir a transcrição final.

Leitura recomendada2 milhões de tokens: porque o Google teve de reconstruir o Gemini 3.5 Pro de raiz

O lado de consumo do lançamento é mais modesto. No Android, o Gboard Rambler já utiliza o Gemini 3.5 Transcribe para entrada de voz para texto. A aplicação Gemini para macOS suporta-o em inglês através de uma funcionalidade Speak to Window. O Chrome surge listado como «em breve», o que permitiria aos utilizadores ditar em qualquer campo da web — respostas, publicações, formulários — sem mudar de aplicação. Nenhuma data específica para essa implementação foi confirmada.

As limitações do modelo são importantes. A atribuição a vários oradores está limitada a três participantes; painéis e mesas redondas com mais intervenientes exigem soluções alternativas. A aplicação de consumo Rambler está atualmente disponível em «países e idiomas selecionados», não nos 85 que o modelo suporta. A Google não anunciou preços para a API, que está em pré-visualização pública através do Google AI Studio. O acesso empresarial é feito através do Gemini Enterprise Agent Platform, onde os preços são negociados separadamente. Para criadores mais pequenos, a questão do custo permanece em aberto.

O enquadramento concorrencial também é relevante. O Whisper da OpenAI, ainda a opção padrão para programadores independentes, alcança taxas de erro de palavras na ordem dos 5–7% em áudio inglês e requer pós-processamento para lidar com a remoção de palavras de enchimento e formatação. Serviços como AssemblyAI e Deepgram oferecem diarização de oradores, mas não a correção de linguagem natural incorporada que o Gemini 3.5 Transcribe aplica por predefinição. A diferença é mensurável, embora a forma como se sustenta no espectro mais difícil dos 85 idiomas — sotaques regionais, línguas com poucos recursos, ambientes ruidosos — exigirá testes independentes para ser estabelecida.

A funcionalidade que mais revela sobre a direção de longo prazo da Google é a integração no Chrome. Quando a entrada de voz funcionar em qualquer campo da web, o modelo deixa de ser uma ferramenta para programadores — passa a ser infraestrutura para a forma como as pessoas escrevem. O calendário de implementação para essa mudança não foi confirmado.

Etiquetas: Google, Gemini, AI, audio-ai, creator-tools, speech-to-text

Conteúdo semelhante

Gemini Spark continua a trabalhar com o portátil fechado — beta pago chega na semana de 26 de maio

O novo assistente Android da Google copia sozinho a tua lista de compras para o carrinho

Dois pontos sob Opus 4.6, cinco vezes mais barato: Gemini 3.5 Flash refaz a conta

O Gemini transforma os seus manuais e apontamentos num plano de estudo personalizado com IA

GPT-Live traz o full-duplex ao ChatGPT — a pausa que denunciava a IA desapareceu

ChatGPT passa a viver dentro do Excel e do Google Sheets, e edita as suas fórmulas enquanto está a olhar