A mais recente investida do Google em reconhecimento de fala promete tornar a entrada de voz menos confusa, mais rápida e mais útil. Mas o mesmo sistema que remove a desordem verbal também pode remodelar o que o interlocutor realmente disse.

A implementação começou com o Gemini 3.5 Transcribe, um novo modelo que o Google diz ser uma melhoria em relação ao seu mecanismo de transcrição Chirp 3. Ele consegue reconhecer mais de 85 idiomas, adaptar-se a vocabulário personalizado, identificar até três interlocutores em áudio gravado e formatar automaticamente o texto enquanto remove muletas verbais como “ééé” e “ãhn”. O Google o descreve como uma ferramenta que permite aos usuários “editar naturalmente apenas com a voz.”¹

No dia do lançamento, a apresentação da empresa mirava diretamente tanto em desenvolvedores quanto em usuários comuns de ditado. Sundar Pichai disse que o modelo pode ajudar a criar apps que entendem “user speech / intent, even w/ multiple speakers”, destacando a detecção de idioma e o suporte a jargões especializados.Sundar Pichai (sundarpichai)² O modelo está disponível por meio da Gemini API, do AI Studio e do Antigravity, enquanto o app Gemini no macOS e o recurso Rambler do Gboard no Pixel 11 estão entre seus primeiros destinos voltados ao consumidor.³

As promessas de desempenho do Google são significativas: a empresa afirma que o caminho da fala até a transcrição final é cerca de 70% mais rápido e coloca sua taxa de erro em fala ao vivo em 5,5%, abaixo dos 7,32% do Chirp 3.³ A integração com o Chrome está planejada “em breve”, o que pode levar o recurso a campos de texto em toda a web.

Ainda assim, o atrativo de uma transcrição polida é também a sua armadilha. Remover hesitações e lidar com correções faladas pode produzir um texto mais limpo, mas isso significa que a IA está fazendo mais do que ouvir palavras — ela está interpretando a intenção. Um relato de testes iniciais considerou o sistema eficaz em trechos curtos, ao mesmo tempo em que alertou que ele “does technically change the wording of what you said.”³

Houve também um breve contratempo na comunicação mais ampla do Google sobre o Gemini Audio: depois de inicialmente fornecer informações sobre as atualizações do Gemini 3.5 Live e 3.5 Live Experimental, a empresa disse ao The Verge que apenas o Transcribe estava sendo anunciado, sem oferecer uma nova data para os outros modelos.¹