Google hat am 27. August 2026 die Einführung von Gemini 3.5 Transcribe bekannt gegeben. Die neue Technologie zur Spracherkennung soll signifikante Verbesserungen bei der Verarbeitungsgeschwindigkeit und der Fehlerreduktion im Vergleich zum Vorgängermodell Chirp 3 bieten.
Das System richtet sich sowohl an Endanwender als auch an Entwickler und unterstützt bereits zum Start eine breite Palette an Sprachen und speziellen Funktionen für produktive Arbeitsabläufe.
Technologische Fortschritte in Präzision und Verarbeitungszeit
Mit der Vorstellung von Gemini 3.5 Transcribe zielt Google darauf ab, die Effizienz von Transkriptionsprozessen deutlich zu steigern. Nach Angaben des Unternehmens erfolgt die Verarbeitung von Audioinhalten um 70 % schneller als mit der bisherigen Lösung Chirp 3. Auch die Genauigkeit wurde messbar optimiert: In Benchmark-Tests (FLEURS) erreichte das neue Modell eine Fehlerrate von 5,5 %, während der Vorgänger noch bei 7,32 % lag.
Weitere Analysen von Marktexperten konkretisieren diese Leistungswerte. Bei der Verarbeitung von bereits aufgezeichneten Inhalten (Non-Streaming) wird die Fehlerrate (Word Error Rate, WER) mit 2,6 % beziffert. Im Bereich der Echtzeit-Transkription (Streaming) liegt dieser Wert laut Artificial Analysis bei 4,0 %. Diese Steigerung der Präzision soll vor allem in komplexen Nutzungsszenarien für eine verlässlichere Textausgabe sorgen.
Wer im Unternehmen auf moderne KI-Lösungen setzt, muss auch die damit verbundenen Sicherheitsrisiken und neuen gesetzlichen Vorgaben im Blick behalten. Dieser kostenlose Report klärt auf, welche rechtlichen Pflichten und Bedrohungen Unternehmer jetzt kennen müssen. Neue KI-Gesetze und Cyberrisiken verstehen
Funktionsumfang für professionelle Workflows
Gemini 3.5 Transcribe wurde am 26. August 2026 mit einem erweiterten Funktionsset veröffentlicht, das über die reine Umwandlung von Sprache in Text hinausgeht. Das System unterstützt mehr als 85 Sprachen und bietet eine integrierte Diarisierung, die bis zu drei verschiedene Sprecher identifizieren und voneinander abgrenzen kann. Für die präzise Nachbearbeitung liefert die Software Zeitstempel auf Wortebene.
Ein wesentliches Merkmal für die Textqualität ist die automatische Entfernung von Füllwörtern. Zudem ist die Künstliche Intelligenz in der Lage, Korrekturen während des Sprechens zu erfassen und den Text entsprechend zu formatieren. Für spezialisierte Anwendungsbereiche, etwa in der Medizin oder Technik, erlaubt das Modell die Hinterlegung eines benutzerdefinierten Vokabulars mit bis zu 1.000 spezifischen Begriffen.
Während die Digitalisierung von Arbeitsprozessen voranschreitet, rücken effektive Schutzmaßnahmen gegen Cyberangriffe für KMU immer stärker in den Fokus. Das Gratis-E-Book enthüllt, wie Sie Sicherheitslücken ohne teure Investitionen schließen und Ihr Unternehmen langfristig absichern. Kostenloses E-Book zum proaktiven IT-Schutz sichern
Verfügbarkeit und Integration in das Google-Ökosystem
Die Verteilung der neuen Transkriptions-Engine hat bereits begonnen. Seit dem 27. August 2026 ist Gemini 3.5 Transcribe in der macOS-App von Gemini sowie innerhalb der Android-Anwendung Rambler verfügbar. Auf Hardware-Ebene wird die Technologie unter anderem im Gboard Rambler auf dem Pixel 11 eingesetzt.
Für Softwareentwickler stellt Google die Funktionen über das AI Studio bereit, um eine Integration in externe Anwendungen zu ermöglichen. Während der Rollout für mobile Plattformen und Desktop-Apps läuft, bereitet das Unternehmen derzeit die Unterstützung für den Chrome-Browser vor. Dort soll Gemini 3.5 Transcribe künftig direkt für Tipp- und Diktiervorgänge innerhalb des Browsers zur Verfügung stehen.
