Gemini 3.5 Transcribe: Google lancia il suo modello di trascrizione vocale più preciso

Google ha presentato Gemini 3.5 Transcribe, il suo modello di trascrizione vocale più preciso di sempre. L’annuncio ufficiale è arrivato il 26 agosto 2026 dal team Gemini Audio e segna un cambio di passo nel modo in cui l’intelligenza artificiale trasforma la voce in testo. Non si tratta più di una semplice conversione parola per parola, ma di una trascrizione che pulisce le esitazioni, gestisce le correzioni al volo e prova a capire davvero cosa vuoi dire.

Se hai mai dettato un messaggio ritrovandoti a cancellare gli intercalari, le ripetizioni e le frasi lasciate a metà, sai quanto la trascrizione automatica tradizionale sia rimasta indietro. È proprio questo il divario che Google punta a colmare.

Cosa cambia con Gemini 3.5 Transcribe

I sistemi di riconoscimento vocale classici si trovano in difficoltà davanti al rumore di fondo, al gergo tecnico e alle imperfezioni naturali del parlato. Gemini 3.5 Transcribe adotta un approccio diverso: invece di limitarsi a riconoscere i suoni, ragiona sul contenuto e converte l’audio grezzo direttamente in testo accurato, formattato e pronto all’uso. Il risultato assomiglia più al lavoro di un assistente umano attento che a quello di un dettato meccanico.

La differenza si nota soprattutto nei dettagli.

Il modello gestisce le autocorrezioni tipiche del discorso, come quando pronunci una data e subito la cambi, rimuove gli intercalari e formatta il testo in automatico, con punteggiatura e paragrafi al posto giusto. Riconosce anche il vocabolario personalizzato, quindi puoi fornire termini tecnici, nomi propri o grafie particolari e ottenere una resa coerente. In ambienti rumorosi mantiene una buona precisione persino sugli elementi alfanumerici, come codici postali e numeri d’ordine, che di solito mandano in crisi i trascrittori automatici.

Questo cambia molto per chi lavora in ambiti dove la terminologia conta. Pensa a un medico che detta una cartella clinica, a un avvocato che registra una deposizione o a uno sviluppatore che parla di nomi di file e comandi: la capacità di adattarsi al lessico specifico riduce il tempo speso a correggere a mano.

Una funzione che va oltre la semplice dettatura

C’è un aspetto che distingue Gemini 3.5 Transcribe dalla concorrenza: la capacità di delegare. Grazie al function calling, il modello può passare compiti complessi ad altri modelli Gemini, come la generazione di un’immagine o l’analisi di un documento, mentre tu continui a parlare. In pratica la voce non serve solo a scrivere, ma diventa un’interfaccia per comandare l’assistente. Al momento questa funzione è attiva nell’app Gemini per macOS.

Due API per due esigenze diverse

Google ha diviso il modello in due interfacce distinte, pensate per scenari differenti. La scelta rende più semplice, per chi sviluppa, integrare la trascrizione nel flusso di lavoro giusto senza portarsi dietro complessità inutile.

• Lo streaming in tempo reale offre una trascrizione continua e bidirezionale con latenza inferiore al secondo, pensata per le app vocali interattive, e si appoggia alla Live API con il modello gemini-3.5-transcribe-live.
• L’elaborazione di audio registrato trascrive riunioni, registri di chiamata e file preesistenti con attribuzione degli interlocutori e marcatori temporali parola per parola, tramite la Interactions API con il modello gemini-3.5-transcribe.

In altre parole, un’interfaccia per parlare con l’AI mentre accade e una per digerire ore di audio già registrato.

Le prestazioni e il confronto con Chirp 3

Sul fronte dei numeri, Google riporta un tasso di errore sulle parole, il cosiddetto WER, medio del 4,0% in modalità streaming e del 2,6% per gli usi non in streaming, secondo le misurazioni di Artificial Analysis. Sono valori competitivi, che descrivono un modello capace di sbagliare poco anche quando le condizioni non sono ideali.

Il salto più evidente riguarda però la velocità. Rispetto a Chirp 3, il precedente modello di trascrizione di Google, il tempo necessario per arrivare alla trascrizione definitiva migliora del 70%. Sul benchmark multilingue FLEURS, applicato a un insieme delle principali lingue, Gemini 3.5 Transcribe registra un WER del 5,50% in streaming e del 5,04% negli usi non in streaming, superando il predecessore.

La copertura linguistica è uno dei punti forti.

Il modello rileva e trascrive automaticamente oltre 85 lingue, gestendo accenti regionali e dialetti diversi, e attribuisce il parlato fino a tre interlocutori distinti nei file registrati, con il supporto oltre i tre parlanti ancora in fase sperimentale. Per chi lavora con contenuti internazionali o con riunioni affollate, è una differenza che si sente subito.

Dove puoi usarlo, dagli sviluppatori a Chrome

Gemini 3.5 Transcribe non resta confinato in un laboratorio. Google lo sta distribuendo su più fronti, con un occhio sia agli sviluppatori sia agli utenti finali.

Per chi sviluppa, il modello è in anteprima pubblica tramite la Gemini API in Google AI Studio e in Google Antigravity. Per le aziende è disponibile, sempre in anteprima, attraverso la Gemini Enterprise Agent Platform, con l’arrivo previsto anche su Gemini Enterprise for Customer Experience. Per tutti gli altri, la trascrizione è già attiva nell’app Gemini per macOS in inglese e nella funzione Rambler di Gboard su Android in alcuni Paesi e lingue, mentre l’integrazione in Chrome è annunciata come imminente.

Quest’ultimo punto è forse il più interessante per l’uso quotidiano: poter dettare in qualsiasi campo di testo del browser, per rispondere a un’email o scrivere un post, senza toccare la tastiera.

Sul versante degli sviluppatori, Google ha già raccolto l’adesione di piattaforme come LiveKit, Pipecat, LangChain e Vercel, che gestiscono l’infrastruttura di streaming audio in tempo reale e permettono di costruire interfacce vocali senza reinventare la ruota. È un dettaglio che accelera l’adozione, perché abbassa la barriera per chi vuole aggiungere la voce a un prodotto senza costruire tutto da zero.

Ci sono poi integrazioni pensate per il lavoro di tutti i giorni. Su Google Antigravity il modello combina il contesto dello schermo e la cronologia della conversazione, con il tuo permesso, per trascrivere con precisione nomi di file e documenti aperti. In Google AI Studio, invece, puoi usare la voce nella modalità Build per scrivere codice al volo. Sono scenari che mostrano come la trascrizione stia diventando parte integrante degli strumenti di lavoro, e non un’app separata a cui saltare ogni volta.

Perché questo lancio conta

La trascrizione vocale è diventata uno dei terreni di scontro più concreti dell’intelligenza artificiale generativa. Non è appariscente come la generazione di immagini o di video, ma tocca da vicino il lavoro di chi produce contenuti, gestisce riunioni o costruisce assistenti vocali. Rendere quasi invisibile il passaggio dalla voce al testo significa aprire la porta a un modo diverso di interagire con il computer.

Per Google si tratta anche di un tassello di una strategia più ampia. Il modello si affianca ad altri esperimenti vocali dell’azienda, come la traduzione vocale in tempo reale di Gemini 3.5 Live Translate, e sfrutta la stessa spinta che ha portato l’app Gemini a superare il miliardo di utenti mensili. È la conferma che la voce, per Mountain View, non è un accessorio ma un canale centrale.

C’è poi il fattore ecosistema.

Integrando la trascrizione in Gboard, in Chrome e negli strumenti per sviluppatori, Google punta a rendere la propria tecnologia il livello di default per la voce, così come la famiglia di modelli Gemini pensata per gli agenti AI su larga scala sta diventando uno standard per l’automazione. La partita non si gioca solo sulla precisione, ma su dove e con quanta facilità puoi usare lo strumento.

Cosa aspettarti adesso

Gemini 3.5 Transcribe non rivoluziona da solo il settore, ma alza l’asticella su un aspetto che usiamo ogni giorno quasi senza accorgercene. Se detti messaggi, trascrivi interviste o costruisci prodotti basati sulla voce, vale la pena provarlo per capire dove può farti risparmiare tempo e fatica.

Se vuoi restare aggiornato sui prossimi modelli di Google e sulle novità dell’AI vocale, continua a seguire intelligenzaartificiale.net: il ritmo degli annunci non accenna a rallentare e i prossimi mesi promettono altre sorprese.