告別語無倫次！Google打造Gemini 3.5 Transcribe語音辨識模型 Chrome網頁全欄位將支援語音輸入

Google 稍早正式揭曉全新AI語音 模型Gemini 3.5 Transcribe，主打能將使用者隨口說出的發散思緒與「碎碎念」，精準轉化為結構化、格式整齊的文本。這項技術不僅將驅動最新的Pixel 11系列手機，未來更將整合至Chrome 瀏覽器，讓使用者能在任何網頁輸入欄位中直接進行語音聽寫。

從「逐字紀錄」到「結構化重塑」

相較於過往的語音辨識模型，Gemini 3.5 Transcribe 在精準度與語言適應性上均有顯著提升。其核心亮點包括：

• 強大的語言與除錯能力：模型具備自動偵測超過85種語言的能力。在轉錄過程中，系統會自動過濾掉口語表達中常見的贅詞 (Filler words)，並且將非結構化的口語內容重新編排為容易判讀的文本。

• 高度客製化與字串捕捉：支援透過語音指令進行文字編輯。此外，模型能夠學習使用者的專屬詞彙與特殊拼寫方式，對於訂單編號、郵遞區號等由英數字元混合組成的字串，也擁有極高的捕捉準確度。

• 支援三人語音分離：針對預錄的音檔，Gemini 3.5 Transcribe能夠辨識、分離最多3位發言者，並且提供精確到「單字級別」 (Word-level)的時間軸標記。這項功能對於需要頻繁處理會議紀錄、訪談或Podcast節目聽打的工作者而言，將是一大福音。

深度整合Pixel 11生態與Chrome瀏覽器

Google正在積極將這項強大的語音模型推向旗下各項軟硬體服務：

• 驅動硬體與代理任務：Gemini 3.5 Transcribe目前已經成為Android裝置 (如全新Pixel 11系列)上全新AI語音輸入與文字潤飾功能「Rambler」的核心驅動力。在macOS版本的Gemini App中，則能與其他Gemini模型協同運作，執行複雜的代理式AI (Agentic AI)任務。

• Chrome網頁全欄位支援：這是本次發布中最具突破性的應用之一。Google預告，未來使用者將能在Chrome瀏覽器的「任何網頁欄位」中使用語音轉文字功能，無論是回覆社群貼文、撰寫郵件，或是用語音向AI下達提示詞，都能直接無縫完成。

除了上述端點應用，Gemini 3.5 Transcribe也將登上Google的代理式開發平台「Google Antigravity」，並且陸續整合至Search Live、Gemini Live、Docs、Keep與Gmail等Google原生服務中，同時也會開放API供外部開發者串接使用。

當大型語言模型接管語音輸入，鍵盤的必要性將進一步降低

過去的語音辨識技術多半停留在「你說什麼，我打什麼」的死板階段，這往往導致產出的文字充滿口語化贅字，難以直接用於正式文件。Gemini 3.5 Transcribe的出現，顯示Google正試圖將大型語言模型的邏輯重構能力與語音辨識深度融合。

而將語音輸入功能全面「無縫植入」Chrome的所有網頁欄位，更是直接挑戰傳統鍵盤輸入的地位。對於早已習慣用語音進行搜尋與指令下達的現代使用者而言，這項更新無疑是邁向「全語音互動」運算時代的重要基石。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》