Google ha anunciado oficialmente el lanzamiento de Gemini 3.5 Transcribe, su nuevo modelo de conversión de voz a texto diseñado específicamente para potenciar las interacciones de voz inteligentes. Esta herramienta ha sido desarrollada con el objetivo de capturar el estilo de habla natural de los usuarios, permitiendo el reconocimiento de vocabulario personalizado y la ejecución de tareas complejas a través de comandos vocales, incluyendo la capacidad de rellenar campos de texto directamente en el navegador Chrome.
La compañía tecnológica ha calificado a Gemini 3.5 Transcribe como su modelo más preciso hasta la fecha. Según la información proporcionada por el gigante de Mountain View, el sistema es capaz de comprender el habla de los usuarios con una exactitud superior, ofreciendo soporte para la transcripción en más de 85 idiomas. Una de las características más destacadas de este modelo es su capacidad para filtrar la comunicación, eliminando automáticamente expresiones de relleno comunes, como los "ums" o "ahs", para centrarse en capturar la intención real y el estilo natural del interlocutor.
A través de un comunicado publicado en su blog oficial, Google detalló que Gemini 3.5 Transcribe ha recibido mejoras significativas para operar en entornos complejos. El modelo ahora puede capturar audio con alta precisión incluso en lugares ruidosos, posee la capacidad de distinguir hasta tres hablantes diferentes mediante el uso de marcas de tiempo y puede detectar con éxito diversos dialectos o acentos regionales, lo que amplía considerablemente su versatilidad global.
En cuanto a su funcionamiento técnico, Google explicó que el modelo procesa el audio sin procesar para convertirlo directamente en un texto que no solo es preciso, sino también pulido y formateado. El sistema es capaz de gestionar las autocorrecciones que el usuario realiza mientras habla, formateando automáticamente el resultado final para que refleje la intención definitiva de la persona.
Estas optimizaciones se ven respaldadas por datos cuantitativos. De acuerdo con mediciones realizadas por Análisis Artificial, el modelo alcanza una tasa de error de palabras (WER) promedio del 4 por ciento en la transmisión de datos y desciende hasta el 2,6 por ciento en los casos de uso sin transmisión. Además, Gemini 3.5 Transcribe presenta una latencia reducida en comparación con su predecesor; concretamente, Google asegura que el tiempo necesario para obtener la transcripción final ha mejorado en un 70 por ciento.
Más allá de la capacidad técnica, Google ha puesto énfasis en cómo esta tecnología puede hacer que el entorno laboral sea más natural e intuitivo. Para lograrlo, la compañía ha integrado la comprensión contextual de Gemini 3.5 Transcribe en diversas interfaces. Entre ellas se encuentran Gboard, Antigravity, la aplicación de Gemini y, próximamente, el navegador Chrome.
En el caso específico de Gboard para Android, el modelo permitirá que los usuarios transformen sus pensamientos hablados en texto escrito, eliminando automáticamente las palabras de relleno para obtener una redacción más limpia. Por su parte, en Google Antigravity, la herramienta podrá combinar el historial de chat de los usuarios con el contexto de lo que se muestra en pantalla para lograr una transcripción aún más precisa.
Para el sector del desarrollo, Google AI Studio permitirá que los usuarios utilicen el modelo para escribir código de aplicaciones mediante la voz, aunque esta funcionalidad se encuentra disponible exclusivamente en el modo Build. Asimismo, en la aplicación de Gemini para macOS, el modelo facilitará el uso de comandos de voz integrados con el contexto de la pantalla para optimizar los flujos de trabajo, permitiendo tareas como resumir archivos, reutilizar texto entre diferentes aplicaciones o generar imágenes utilizando únicamente la voz.
Finalmente, Google está trabajando en una integración para Chrome que permitirá a los usuarios dictar texto en cualquier campo de una página web. Esta función estará orientada a facilitar la redacción de respuestas, la creación de publicaciones y una interacción más sencilla con Gemini a través de la voz.
Actualmente, Gemini 3.5 Transcribe ya se encuentra disponible para los usuarios en la aplicación de Gemini para macOS en idioma inglés y en Rambler para Android. Para el sector de desarrollo, se ha lanzado una versión preliminar pública en la API de Gemini a través de Google Antigravity y Google AI Studio, además de estar disponible en versión preliminar dentro de la Gemini Enterprise Agent Platform.
