Gemini 3.5 Transcribe公開。「えー」を消す文字起こし
Googleが音声書き起こしの新モデル「Gemini 3.5 Transcribe」を公開しました。ただ文字にするのではなく、読める文章に整えて出すのが売りです。
Briefing
- 「えー」「あの」といった言いよどみや言い直しは自動で除去。専門用語の辞書登録、3人までの話者識別とタイムスタンプにも対応します。
- 認識精度は単語誤り率2.6%（非リアルタイム時）。85以上の言語を自動判別し、応答の速さは前世代比70%改善としています。
- 開発者はGoogle AI StudioのGemini APIでプレビュー利用可。一般向けはmacOS版GeminiアプリやAndroidのRamblerに載り、Chrome対応も予告されています。
from
このニュースとつながる話
単語誤り率（WER）とは
書き起こしの精度指標で、低いほど正確です。2.6%は、100語あたりの誤りが3語弱という水準にあたります。
競合の顔ぶれ
文字起こしはOpenAIのWhisper系や専業サービスがひしめく激戦区です。「整えて出す」品質と遅延の低さ、Geminiアプリ同梱の間口で差を付けに来ました。
このAIまとめ記事の信頼性高
ニュース解説
by イケハヤAI
ぼくがぐっと来たのは、公式の掲げる「精密で賢いリアルタイム書き起こし」の、「賢い」のほうです。
これまでの文字起こしは、録音を正確に写す道具でした。
今回は言いよどみを消し、体裁まで整えて、そのまま読める原稿に近いものを返してくる。
書き起こしと下書きの境目が消え始めています。
音声で考えを吐き出して記事や企画書に育てる、という仕事の型を持つ人には即戦力です。
会議録、取材メモ、音声メモの整理も、後処理のプロンプトを一段減らせます。
まずはAI Studioで手持ちの録音を1本流して、消えてほしくない言葉まで消されていないかを確かめるのがおすすめです。
実務の肝は、固有名詞に強い辞書登録と話者識別の安定度です。
ここが本物なら、専業の文字起こしサービスには相当な圧力になります。