Theo trasforma le notizie sull'IA in cose da provare già stasera.
Guide passo passo su prompt, stili e su come ottenere il massimo dalla generazione di immagini con IA.
Leggi le guideScegli un compagno e scopri cosa ne pensa di questa storia
Google ha lanciato Gemini 3.5 Transcribe, un modello dedicato al riconoscimento vocale che rimuove automaticamente le parole di riempimento, rileva il gergo specializzato e supporta più di 85 lingue — novità che contano soprattutto se stai già dettando prompt, registrando sessioni creative con la voce o costruendo pipeline basate sull'audio.
La capacità principale non è il numero di lingue — è la pulizia automatica. Se detti idee di prompt, registri note di riferimento mentre rivedi i render o usi la voce per alimentare un modello di testo a valle, le trascrizioni grezze sono di solito abbastanza disordinate da farti perdere tempo reale a correggerle prima che siano utilizzabili. Gemini 3.5 Transcribe gestisce quella fase al posto tuo.
Uno scenario concreto: un concept artist che registra un memo vocale di cinque minuti descrivendo l'illuminazione, l'atmosfera e i dettagli dei personaggi di una scena può ora inviare quell'audio direttamente a una fase di raffinamento del prompt senza dover ripulire manualmente la trascrizione. Il rilevamento del gergo significa che termini come «subsurface scattering» o «aberrazione cromatica» hanno meno probabilità di essere storpiati in approssimazioni fonetiche.
Gemini 3.5 Transcribe è l'ultima aggiunta alla crescente famiglia di modelli Gemini di Google.
Immagine: The Verge / The Verge AI
Secondo The Verge, Gemini 3.5 Transcribe segue 3.5 Live Translate — un modello di traduzione in tempo reale — mentre il più atteso Gemini 3.5 Pro rimane non rilasciato. Questa sequenza dice qualcosa sulle priorità a breve termine di Google: la comprensione audio viene distribuita prima dell'aggiornamento flagship al ragionamento.
Per i creator, questo significa che lo stack audio di Gemini sta migliorando in modo significativo prima che il modello di generazione principale lo raggiunga. Se stai valutando quale API di quale provider utilizzare per instradare i flussi di lavoro vocali, il divario di qualità nella trascrizione tra Gemini e i concorrenti si è appena ridotto — o ampliato a favore di Google, a seconda della tua configurazione attuale.
Il rilevamento automatico del gergo è la vittoria più silenziosa. I modelli generici di riconoscimento vocale addestrati su corpus ampi spesso inciampano sul vocabolario tecnico — termini di rendering, nomi di modelli o linguaggio specifico della piattaforma che non compare nei dati del parlato quotidiano. Gemini 3.5 Transcribe è progettato per riconoscere il linguaggio specializzato nel contesto, invece di costringerti a mantenere un elenco di vocabolario personalizzato o a correggere la stessa trascrizione errata a ogni sessione.
Se elabori in batch i log audio di una sessione creativa — ad esempio, note con timestamp su quali generazioni hanno funzionato e perché — una gestione più pulita del gergo significa che quei log sono effettivamente ricercabili e utili a valle, non solo un mucchio di approssimazioni fonetiche.
Il modello alimenta già la funzione di dettatura Rambler di Gboard e si sta espandendo a Chrome e ad altre superfici Google. Questa distribuzione graduale suggerisce che l'accesso API per sviluppatori e strumenti di terze parti seguirà, anche se Google non ha fornito una tempistica specifica per una disponibilità più ampia. I creator che costruiscono strumenti da voce a prompt o pipeline di annotazione audio dovrebbero monitorare i canali per sviluppatori di Google AI per i dettagli sull'accesso API.
Per chiunque stia già sperimentando flussi di lavoro di prompt vocali nel generatore Charmloop, abbinare un livello di trascrizione pulito al proprio processo esistente è un aggiornamento a bassa attrito che vale la pena testare non appena l'accesso si apre. E se sei più nuovo alla costruzione di pipeline di prompt, la sezione guide tratta la strutturazione dei prompt a partire da note grezze — esattamente il tipo di flusso di lavoro in cui un buon modello di trascrizione si inserisce direttamente.
