何が起きたか
Googleは新たなAI文字起こしモデル「Gemini 3.5 Transcribe」を発表した。85以上の言語と専門用語を検出でき、「えー」「あのー」などの冗長語を除去し、テキストを自動整形する。
なぜ重要か
既存の3.5 Live Translateに続く発表で、6月に提供予定のGemini 3.5 Proを待つユーザーにとって注目の動きだ。Googleは前世代モデルChirp 3と比べ、多言語性能と語彙誤り率で大幅な進歩を遂げたと主張している。
注目点
本モデルは本日より、macOS版Geminiアプリの全ユーザーと、一部の国でAndroid版のRambler音声入力機能向けに英語で提供開始。開発者向けにはGemini API、AI Studio、Antigravityでパブリックプレビューを公開する。Chrome対応も近日中に予定されている。
こういう要約が、毎朝あなたのメールに届きます。
Gemini 3.5 Transcribeの投入は、GoogleのAI音声処理における前進だ。3.5 Live Translateのリリースに続き、待望のGemini 3.5 Proに先駆ける形となる。新モデルは語彙誤り率の低減と多言語性能の向上を目指し、Chirp 3の後継と位置づけられる。カスタム語彙に対応し、最大3話者までの発言を識別できる点は、正確な専門用語の文字起こしを求める業務ユーザーに訴求しそうだ。ただし発表内容はやや混乱しており、当初は3.5 Liveと3.5 Live Experimentalのアップデートに言及しながら、後に本日投入されるのは3.5 Transcribeのみと訂正された。追加の音声認識機能は、延期されているGemini 3.5 Proとともに提供される可能性が高い。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
CircliaがTASTE SIGNALの実証実験を開始した
フランス数学会会長イザベル・ガラガー主催のウェビナーで、フィールズ賞受賞者のユーゴ・デュミニル＝コパンは、OpenAIが350の主要未解決問題の解答を一夜で公開したと述べた
NVIDIAは1200億パラメーターのオープンウェイトモデルNemotron 3.5 Super VLを公開
NVIDIAがNemotron 3.5 Bolt 74B-A9B 24GBを公開
NVIDIAは2026年9月21日、「AIセキュリティは工学の問題――エージェントスタックの全層で解決する方法」と題したブログ記事を公開し、判断を誤ったエージェントでも行動を止められる理由を説明した
検証では、Haiku 5.5はmedium設定で定型文書ならSonnet 5.5に近いスコアを約1/17のコストで出したが、英語メール課題では6.3点まで落ちた
