概要Googleは、高精度かつインテリジェントな音声インタラクションを実現する最新の音声認識モデル「Gemini 3.5 Transcribe」を発表しました。このモデルは、背景雑音、言い直し、フィラーワードを適切に処理しながら、生の音声を直接洗練されたフォーマット済みのテキストに変換します。Google AI StudioおよびGemini Enterprise Agent PlatformのGemini APIを通じて開発者に提供され、リアルタイムストリーミング処理と話者識別付きの事前録音音声処理をサポートしています。主な機能として、低い単語誤り率（WER）、カスタム語彙の認識、関数呼び出し、85言語以上の自動検出などが挙げられます。Android、macOS、Gboard、および今後Chromeにも統合される予定です。
(出典：Gemini)
Googleの新しいAI文字起こし、会話中の「えーっと」などを自動削除
Gemini 3.5 Transcribe によるインテリジェントな文字起こし
Gemini Live の新しい生産性向上機能で、あなたの声をアクションに変える
Radarにより、ポッドキャストの検索およびAIエージェントでの利用が可能に
Bill Gates wants to see a robot tax and ‘Human Reserved’ jobs to mitigate harms from AI
AIエージェント時代におけるCXの新たな課題は「オーケストレーション」である
Surprise: Z.ai is the AI lab behind the mysterious Ox Alpha model
Bill Gates proposes major limits on AI development
聴覚テクノロジーのスタートアップ「Legato」、1,200万ドルを資金調達しステルス状態から脱却、AI搭載型補聴グラスを公開
Bill Gates is deeply worried about AI, and he’s no longer staying quiet