Google lança Gemini 3.5 Transcribe para conversão de áudio em texto com IA de ponta

O Gemini 3.5 Transcribe chega como a nova aposta do Google para transformar áudio em texto de maneira precisa. Ele não apenas transcreve, mas também refina o conteúdo, lidando com ruídos de fundo e termos técnicos específicos. A grande sacada é a capacidade de transformar áudio bruto em texto polido e formatado, pronto para uso imediato.

Desenvolvedores agora têm essa ferramenta poderosa à disposição via API Gemini no Google AI Studio e na Gemini Enterprise Agent Platform. A novidade é um avanço significativo para processamento em tempo real e de áudio pré-gravado, marcando um ponto alto no reconhecimento de voz por IA.

O Gemini 3.5 Transcribe representa um salto em relação ao modelo anterior do Google, o Chirp 3. O artigo fonte destaca uma melhoria de 70% no tempo para transcrição final, o que significa menos latência, crucial para interações em tempo real. A taxa de erro de palavra (WER) também caiu significativamente, alcançando 5.50% em streaming e 5.04% em usos não-streaming no benchmark FLEURS.

Para os desenvolvedores, a grande novidade é a disponibilidade direta via API Gemini, algo que ainda não estava totalmente acessível em modelos anteriores. O CEVIU noticiou em 30 de março de 2026 o lançamento do Gemini 3.1 Flash Live, focado em automação de atendimento. Agora, o novo Transcribe 3.5 se integra diretamente com a Gemini Live API, que o CEVIU cobriu em 31 de julho de 2026, aproveitando sua capacidade de processar fluxos contínuos de áudio.

Este lançamento é um passo importante para tornar as interfaces de voz mais naturais e eficientes. Para quem desenvolve, ter acesso a um modelo tão avançado via API simplifica a criação de aplicativos que dependem de voz. Pense em assistentes virtuais mais inteligentes, legendas em tempo real sem falhas ou análises de chamadas mais precisas.

A capacidade de lidar com linguagem natural, sotaques e até gírias, além de remover