音声認識AIモデル「Gemini 3.5 Transcribe」発表

＼この記事が参考になったなら／

最新ニュースを逃さないよう、Google 優先ソースに「Jetstream」を登録してください

詳しくはこちら

📝 この記事のポイント

• Google、Google AI「Gemini」における新しい音声認識 AI モデル「Gemini 3.5 Transcribe」を正式発表。
• 背景雑音 / 複雑な専門用語 / 発音の不明瞭さを正確に修正しながらのテキスト変換を実現する、最も高精度な音声認識 AI モデル。
• Android 版「Gboard」アプリの「Rambler（AI 音声入力）」機能や、macOS 版「Gemini」アプリの音声入力機能など、すでに「Gemini 3.5 Transcribe」を活用した新機能が展開。

Google は現地時間 2026 年 8 月 26 日（水）、Google AI「Gemini」における新しい音声認識 AI モデル「Gemini 3.5 Transcribe」を正式発表しました。

「Gemini 3.5 Transcribe」は、背景雑音 / 複雑な専門用語 / 発音の不明瞭さを正確に修正しながらのテキスト変換を実現する、最も高精度な音声認識 AI モデルです。従来の音声認識では聞き取りづらかった雑音まじりの音声や専門用語が混ざる会話でも、AI が内容を理解したうえで整った文章に変換してくれます。

「Gemini」アプリや Android などでは、すでに「Gemini 3.5 Transcribe」を活用した新機能が展開されています。Android 版「Gboard」アプリの「Rambler（AI 音声入力）」機能や、macOS 版「Gemini」アプリの音声入力機能はその一例で、話した内容から “あの” “えーと” といった言い淀みを自動で取り除き、読みやすい文章に整えてくれます。

また、“会議を火曜日に、いや水曜日で” といった言い直しにも対応し、話し手の意図をくみ取って正しい内容だけを文章に残すことができます。

「Gemini 3.5 Transcribe」の対応言語は 85 以上と幅広く、方言やアクセントの違いにも自動で対応します。さらに録音音声については、最大 3 人までの発話者を自動で聞き分け、誰がいつ何を話したかをタイムスタンプ付きで記録することも可能です。

開発者向けには、「Google AI Studio」や「Gemini Enterprise Agent Platform」を通じて、アプリやサービスに組み込めるようになっています。「Gemini 3.5 Transcribe」は、リアルタイム会話向けの「Live API」と、録音済み音声の解析に適した「Interactions API」の 2 種類が用意されており、用途に応じて使い分けが可能です。

一般ユーザー向けとしては、Android 版「Gboard」アプリに搭載された「Rambler（AI 音声入力）」機能や、macOS 版「Gemini」アプリで既に利用可能なほか、近日中に「Chrome」にも展開され、WEB 上のあらゆる入力欄で音声入力ができるようになる予定です。話すだけで文章の作成や修正、画像生成の指示までこなせるようになり、キーボード入力に代わる新しい選択肢として今後の広がりが期待されます。

Source：Google（https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/）