Google toont Gemini 3.5 Transcribe in preview: vijfde op de onafhankelijke ranglijst die het zelf aanhaalt

Spraakherkenning staat weer midden in de concurrentiestrijd tussen modelaanbieders en is de natuurlijke voordeur voor assistenten en spraakagenten. In dat licht kondigde Google op 26 augustus 2026 op zijn officiële blog de publieke preview van Gemini 3.5 Transcribe aan. Het model, dat de Chirp-lijn moet vervangen, zet audio niet alleen woord voor woord om, maar schoont die meteen op en geeft er opmaak aan. In de woorden van het bedrijf: "Unlike conventional speech recognition models that struggle with background noise, complex jargon, and disfluency cleanup, Gemini 3.5 Transcribe converts raw audio directly into accurate, polished, formatted text" («Anders dan conventionele spraakherkenningsmodellen, die moeite hebben met achtergrondgeluid, complex jargon en het opschonen van haperingen, zet Gemini 3.5 Transcribe ruwe audio direct om in nauwkeurige, verzorgde, opgemaakte tekst»). De techniek is in publieke preview beschikbaar via de Gemini API in Google AI Studio en op het Gemini Enterprise Agent Platform, uitgebracht als `gemini-3.5-transcribe` voor opgenomen audio (Interactions API) en `gemini-3.5-transcribe-live` voor interacties in realtime (Live API).

Google presenteert het model als zijn meest nauwkeurige speech-to-texttool tot nu toe, maar onafhankelijke metingen geven een genuanceerder beeld. Google noemt een door Artificial Analysis gemeten foutpercentage van 2,6% zonder streaming en 4,0% met streaming. Op de openbare AA-WER-ranglijst van diezelfde organisatie, geraadpleegd op 29 augustus 2026, staat het model vijfde met een woordfoutpercentage (WER) van 2,6%, gelijk met twee andere modellen en achter Fun-Realtime-ASR-preview (1,7%), Scribe v2 van ElevenLabs (2,2%), MAI-Transcribe-1.5 van Microsoft Azure (2,4%) en Smallest AI Pulse Pro (2,4%). Artificial Analysis verduidelijkt in de methodologische noot dat een lagere AA-WER wijst op een nauwkeuriger transcriptie, berekend als een naar audioduur gewogen gemiddelde over zo'n 8 uur testmateriaal. Op de meertalige benchmark FLEURS meldt Google een WER van 5,04% zonder streaming en 5,50% met streaming, maar dat zijn metingen over een selectie talen en lokale varianten die niet volledig is gespecificeerd, waardoor een directe vergelijking wegvalt. Daarnaast claimt het bedrijf een verbetering van 70% in verwerkingstijd ten opzichte van Chirp 3, zonder onafhankelijke verificatie en zonder de details van die vergelijking te publiceren.

Tot de aangekondigde functies behoren ondersteuning voor ruim 85 talen met automatische detectie, het weghalen van stopwoorden als "eh" of "uh", en sprekerherkenning tot drie deelnemers met tijdstempels (daarboven experimenteel). De asynchrone variant kost 2,00 dollar per miljoen audio-invoertokens en 12,00 dollar per miljoen teksttokens uitvoer; de live-versie respectievelijk 3,50 en 21,00 dollar, met voor beide een gratis gebruiksniveau. Qua integraties voedt het model de Rambler-functie van het Gboard-toetsenbord op Android en de Gemini-app op macOS, met een uitrol op Chrome in het vooruitzicht. Er blijven wel informatiegaten: Google omschrijft de beschikbaarheid van Rambler als beperkt tot "geselecteerde landen en talen" zonder officiële lijst, terwijl Engadget in zijn artikel van 26 augustus 2026 meldt dat de functie actief is op toestellen uit de Pixel 11-serie en later bedoeld is voor diensten als Search Live en Google Antigravity. Omdat het om een preview gaat, zijn er geen serviceniveau-afspraken (SLA) aan verbonden en zijn er geen cijfers bekend over de prestaties in het Italiaans of de regionale varianten daarvan.

De tekst meteen bij de bron opschonen is een pragmatische keuze: spraakagenten hebben duidelijke intenties nodig, niet onze menselijke aarzelingen. Toch wijst het presenteren van een relatieve verbetering van 70% zonder de details van de vergelijking, terwijl een onafhankelijke ranglijst het model vijfde zet op nauwkeurigheid, erop dat de inhaalrace op de koplopers nog open ligt. — Olya