In questo articolo Indice dei contenuti 2 sezioni
Google ha presentato Gemini 3.5 Transcribe, un modello pensato per una cosa sola ma fatta bene: trasformare la voce in testo pulito, leggibile e già formattato, anche quando intorno c’è confusione, si parla con accenti marcati o si usa un gergo tecnico che di solito manda in tilt i software di trascrizione. Insieme al nuovo modello, da Mountain View sono arrivate parecchie novità anche per Gemini Live, la modalità di conversazione a voce con l’assistente, che adesso guadagna funzioni molto più orientate alla produttività quotidiana.
Il punto interessante non è tanto la velocità in sé, quanto la qualità del risultato finale. Il modello riesce a interpretare il parlato naturale, con tutte le sue esitazioni, ripensamenti e frasi lasciate a metà, restituendo un testo che sembra scritto e non dettato.
Cosa sa fare davvero Gemini 3.5 Transcribe
I numeri dichiarati parlano di un tasso di errore medio, il cosiddetto Word Error Rate, del 4% nello streaming in tempo reale e del 2,6% sui file audio già registrati. Rispetto al precedente modello Chirp 3 i tempi di attesa per la trascrizione finale calano del 70%, che nella pratica significa vedere il testo comparire quasi mentre si parla.
La parte più curiosa riguarda quella che Google chiama pulizia intelligente del parlato. La trascrizione smart individua e cancella in automatico gli intercalari, tutti quei “ehm” e “cioè” che nessuno vuole ritrovarsi scritti, e gestisce con naturalezza le autocorrezioni di chi sta parlando. Se una frase viene iniziata e poi riformulata, nel testo finale resta solo la versione buona.
C’è poi il supporto multilingua, con oltre 85 lingue riconosciute compresi accenti e dialetti regionali, e la possibilità di passare da una lingua all’altra nella stessa sessione senza dover cambiare impostazioni. Sui file preregistrati arriva anche il riconoscimento dei parlanti, che attribuisce il testo fino a un massimo di tre speaker diversi. Chi lavora con terminologia specifica può inserire un vocabolario personalizzato, così nomi propri e termini tecnici vengono scritti nel modo giusto invece di essere reinterpretati a caso.
Qualcosa di simile si era già visto all’opera con Rambler, la dettatura vocale avanzata debuttata sui Pixel 11, e nell’app di Gemini per macOS, dove è possibile dettare testi ed eseguire comandi vocali complessi che tengono conto di ciò che appare sullo schermo. La stessa tecnologia è presente in Google Antigravity e presto arriverà su Google Chrome, dove permetterà di scrivere con la voce in qualsiasi campo di testo del browser.
Sulla disponibilità, il modello parte da subito ma a scaglioni. Gli sviluppatori lo trovano in anteprima pubblica nell’API Gemini, su Google AI Studio e Google Antigravity. Le aziende possono accedervi tramite Gemini Enterprise Agent Platform, con l’arrivo previsto anche su Gemini Enterprise for Customer Experience. Per gli utenti comuni c’è l’app Gemini per macOS in lingua inglese, la funzione Rambler su Android disponibile anche in italiano e, a breve, Chrome.
Gemini Live diventa un assistente personale a tutti gli effetti
Il secondo annuncio riguarda le funzioni che finora erano riservate alla versione standard di Gemini e che ora sbarcano nella modalità vocale. Google spiega che il 63% degli utenti preferisce parlare con l’assistente invece di scrivere, e da qui parte l’aggiornamento.
Con l’integrazione di Gemini Spark diventa possibile avviare a voce flussi di lavoro complessi e articolati su più passaggi, che vengono poi eseguiti in background su Google Documenti, Google Fogli, Google Drive e sul Web. Chiedendo semplicemente “Qual è il mio riepilogo giornaliero?” si ottiene invece un riassunto vocale degli impegni della giornata, costruito incrociando i dati di Gmail e Google Calendar.
C’è anche la gestione della posta senza toccare lo schermo: cercare messaggi specifici, farsi riassumere le ultime novità, archiviare, eliminare o contrassegnare le email, tutto a voce. E infine Personal Intelligence arriva su Gemini Live, portando all’assistente il contesto personale dell’utente e rendendo possibili conversazioni su argomenti già affrontati o su eventi passati, basandosi sulla cronologia degli spostamenti, degli appuntamenti e delle email.
In Italia queste funzioni non saranno provabili nelle prime fasi, perché richiedono Personal Intelligence nella sua versione completa, che da noi non è disponibile e viene sostituita dal Contesto personale. Ci sono poi vincoli legati agli abbonamenti: Spark richiede Google AI Pro o un piano superiore, mentre il riepilogo giornaliero è riservato a chi ha Google AI Plus o superiore.
