我们开口说话时都会啰嗦、走回头路、磕磕绊绊。Google 的新模型 Gemini 3.5 Transcribe 就是为这种不完美的说话方式而生的。作为公司迄今为止最精准的语音转文字模型，它把你凌乱、未经打磨的说话内容变成干净、格式化的文本，而不用你先像新闻主播一样说话。
模型会自动去除"嗯""啊"之类的填充词，这样转写文本就不会带上每一个口头语瑕疵。它还能实时捕捉自我纠正——如果你说"我们周二见面吧，不，等等，周三"，它能理解你指的是周三，并据此调整。你还可以完全用语音来编辑文本。模型还能通过函数调用把图像生成或文件分析等任务委托给其他 Gemini 模型，这项能力目前已在 macOS 上的 Gemini 应用里上线。
Google 用数据支撑了它的准确性：实时流式传输的词错误率只有 4%，预录音频是 2.6%，支持 85 多种语言、地区口音和专业术语。它甚至能在录音中区分多达三个说话人，并附上时间戳。这个模型没有躺在实验室里——它已经为 Android Gboard 上的听写功能 Rambler 提供动力，也支持 macOS 上的 Gemini 应用。Chrome 支持即将到来，届时你可以直接在任何网页输入框里口述。开发者现在可以在 Google AI Studio 和 Antigravity 中使用，企业用户通过 Gemini Enterprise Agent Platform 访问。它还在扩展到 Search Live、Gemini Live、Docs、Keep 和 Gmail。
对普通用户来说，Gemini 3.5 Transcribe 的价值在于：语音输入的体验终于不再"罚你"不完美。过去语音转文字最烦人的就是语气词和口头禅被原样保留，现在 AI 懂得"你真正想说什么"。当你下次对着手机碎碎念时，Gemini 可能比你自己更懂你。