Gemini 3.5 Transcribeとは?85言語対応・単語誤り率2.6%の音声認識が業務に効く理由
Googleが2026年8月27日、リアルタイム音声認識モデル「Gemini 3.5 Transcribe」を公開しました。85言語超を自動判別し、単語誤り率はストリーミング4.0%・録音音声2.6%、遅延は前世代Chirp 3比で70%削減。「えーと」などのフィラー除去や言い間違いの訂正、整形までモデル側で完結します。
Googleが2026年8月27日、リアルタイム音声認識モデル「Gemini 3.5 Transcribe」を公開しました。85言語超を自動判別し、単語誤り率はストリーミング4.0%・録音音声2.6%、遅延は前世代Chirp 3比で70%削減。「えーと」などのフィラー除去や言い間違いの訂正、整形までモデル側で完結します。
オープンソースの会議アシスタント「Meetily」は、録音・文字起こし・要約をPC内で完結させ、GitHubからコミュニティ版を無料で入手できます。月10〜20ドルが相場の会議AIサービスの多くが録音をクラウドへ送る前提なのに対し、Meetilyは音声を外部へ出さない選択肢を提示します(有料のPro版は月10ドル)。
AI議事録アプリのGranolaが、Apple Watch向けアプリを公開しました。ウォッチフェイスからいつでも録音を開始でき、スマホをポケットから出さずに対面の会議を文字起こしできます。同社は2026年に入りIndex Ventures主導の1.25億ドルのシリーズCを調達し、ユニコーンとなりました。