Googles neuester Vorstoß bei der Spracherkennung verspricht, Spracheingabe weniger chaotisch, schneller und nützlicher zu machen. Doch dasselbe System, das verbalen Ballast entfernt, kann auch verändern, was ein Sprecher tatsächlich gesagt hat.

Der Rollout begann mit Gemini 3.5 Transcribe, einem neuen Modell, von dem Google sagt, es verbessere seine Transkriptions-Engine Chirp 3. Es kann mehr als 85 Sprachen erkennen, sich an benutzerdefinierte Vokabulare anpassen, bis zu drei Sprecher in aufgezeichnetem Audio identifizieren und Text automatisch formatieren, während Füllwörter wie „ähm“ und „äh“ entfernt werden. Google nennt es ein Werkzeug, mit dem Nutzer „ganz natürlich nur mit der Stimme bearbeiten können“.¹

Zum Start richtete sich das Angebot des Unternehmens ganz klar sowohl an Entwickler als auch an alltägliche Diktatnutzer. Sundar Pichai sagte, das Modell könne helfen, Apps zu bauen, die „user speech / intent, even w/ multiple speakers“ verstehen, und hob Spracherkennung sowie Unterstützung für spezialisierten Jargon hervor.Sundar Pichai (sundarpichai)² Das Modell ist über die Gemini API, AI Studio und Antigravity verfügbar, während die Gemini-App auf macOS und die Gboard-Funktion Rambler des Pixel 11 zu seinen ersten verbraucherorientierten Einsatzorten gehören.³

Googles Leistungsversprechen sind beträchtlich: Das Unternehmen sagt, dass der Weg von der Sprache zur fertigen Transkription etwa 70 % schneller sei und gibt seine Fehlerrate bei Live-Sprache mit 5,5 % an, gegenüber 7,32 % bei Chirp 3.³ Eine Chrome-Integration ist „bald“ geplant und könnte die Funktion auf Textfelder im gesamten Web ausweiten.

Doch der Reiz einer polierten Transkription ist zugleich ihr Haken. Das Entfernen von Stockern und das Verarbeiten gesprochener Korrekturen kann zwar zu saubererem Text führen, bedeutet aber, dass die KI mehr tut, als nur Wörter zu hören – sie interpretiert Intention. Ein Bericht aus frühen Tests fand das System bei kurzen Passagen effektiv, warnte aber, dass es „technisch tatsächlich die Formulierung dessen ändert, was man gesagt hat“.³

Es gab auch eine kurze Unklarheit in Googles breiterer Gemini-Audio-Kommunikation: Nachdem das Unternehmen zunächst Informationen über Updates für Gemini 3.5 Live und 3.5 Live Experimental bereitgestellt hatte, teilte es The Verge mit, dass nur Transcribe angekündigt werde, ohne ein neues Datum für die anderen Modelle zu nennen.¹