Gemini重要新发布3 个来源印证2026-08-26

Google 正式发布 Gemini 3.5 Transcribe 语音转文字模型

Google officially launches Gemini 3.5 Transcribe speech-to-text models

多模态低延迟SDK

EVENT SUMMARY

事件摘要

Google 正式发布两款基于 Gemini 音频理解的专用语音转文字模型：Gemini 3.5 Transcribe 和 Gemini 3.5 Transcribe Live。支持 85+ 语言的语句级语言检测、说话人分离、词级时间戳和自定义词汇偏置。流式转录 Live API 进一步瞄准实时会议、客服等场景，标志着 Gemini 正式进入语音转文字市场，与 Whisper 等专业 ASR 服务竞争。

ANALYST VIEW

中立分析

为什么重要

Gemini 正式进入语音转文字市场，直接与 Whisper、Deepgram 等专业 ASR 服务竞争，且以企业级特性作为差异化。流式转录 Live API 进一步瞄准实时会议、客服等场景。

影响对象

面向需要语音转录的开发者与企业，尤其是多语言会议转录、实时客服、语音分析等场景的用户，获得了一个原生集成 Gemini 生态的 ASR 选项。

证据说明

来源为 Google 官方 Gemini API 更新日志及博客，直接证明了 GA 发布、模型名称、功能特性及文档链接。

不确定性

定价信息未在更新日志中披露；与其他 ASR 服务的准确率对比基准未提供；模型支持的语言完整列表未列出。

SOURCES

3 个来源 · 4 条记录

Gemini·changelog指向来源页2026-08-26

Gemini 3.5 Transcribe 正式发布（GA）

来源原文：Gemini 3.5 Transcribe generally available (GA): Released two dedicated speech-to-text models based on Gemini's audio understanding: Gemini 3.5 Transcribe (gemini-3.5-transcribe): High-accuracy, low-latency non-streaming speech-to-text with utterance-based language detection across 85+ languages, speaker diarization, word-level timestamps, and custom vocabulary biasing (up to 1,000 terms). Gemini 3.5 Transcribe Live (gemini-3.5-transcribe-live): Low-latency, bidirectional streaming speech-to-text over WebSockets using the Live API, supporting interim and finalized transcription events, Smart transcription mode, and multiple Voice Activity Detection (VAD) strategies.

https://ai.google.dev/gemini-api/docs/changelog

Google DeepMind·blog2026-08-26

Gemini 3.5 Transcribe 推出智能转录功能

https://deepmind.google/blog/intelligent-transcription-with-gemini-3-5-transcribe/

Gemini·pricing指向来源页2026-08-26

新增 Gemini 3.5 Transcribe 语音转文字模型

来源原文：Gemini 3.5 Transcribe: Our speech-to-text model with automatic language detection, speaker diarization, word-level timestamps, and custom vocabulary biasing. Paid Tier: Input $2.00 or $0.003/min* (audio), Output $12.00 or $0.002/min* (text).

https://ai.google.dev/pricing

Gemini·pricing指向来源页2026-08-26

新增 Gemini 3.5 Transcribe Live 语音转文字模型

来源原文：Gemini 3.5 Transcribe Live: Our low-latency, real-time speech-to-text model for bidirectional streaming audio transcription over WebSockets. Paid Tier: Input $3.50 or $0.005/min* (audio), Output $21.00 or $0.004/min* (text).

https://ai.google.dev/pricing