“嗯、啊、说错了”自动删，Google推出新一

Google 新出的 Gemini 3.5 Transcribe，是个专门听写录音的模型。

它支持 85 种以上语言变体，普通话和粤语都能认。目前走 API 开放给开发者，还在公测期。

分实时和录音两版：实时版延迟不到一秒，适合直播字幕。录音版能分清谁在说话，还能标单词时间。

智能模式会帮你润色：它能自动删掉“嗯、啊”和口误。不过想读着顺，就得牺牲说话人区分和时间戳。

准确率进了一梯队：官方说非实时词错率仅 2.6%。但第三方榜单上它排第五，还不是全行业第一。

价格挺便宜：处理一小时录音最低只要 0.30 美元。不过免费层的数据可能会被拿去训练模型。

总的来说：它干活快又便宜，但涉及法律取证等场景，还得人工复核。