Gemini 3.5 Transcribe: voz a texto más rápido

⏱ Tiempo de lectura: 3 min

Google anuncia Gemini 3.5 Transcribe, un modelo de IA diseñado para convertir voz a texto editando automáticamente muletillas y correcciones, entregando transcripciones limpias. El modelo ya potencia la función Rambler en Gboard del Pixel 11, pero se expandirá por todo el ecosistema de Google durante 2026.

Gemini 3.5 Transcribe: velocidad y precisión mejorada

Según Google, Gemini 3.5 Transcribe es significativamente más rápido y preciso que Chirp 3, el motor anterior. El nuevo modelo es aproximadamente 70 por ciento más rápido en la conversión de voz a texto final, y la tasa de error en habla en vivo descendió a 5.5 por ciento, comparado con 7.32 por ciento de Chirp 3. Aunque la mejora es incremental, cualquier reducción de errores beneficia a usuarios que dependenden de entrada por voz. El modelo no solo escucha palabras, sino que captura la intención detrás de lo que dices, removiendo muletillas como «ums» y «uhs» que clutteren el flujo de consciencia. Funciona en 85 idiomas y soporta hasta tres hablantes en audio pregrabado.

Disponibilidad, plataformas y acceso para desarrolladores

Gemini 3.5 Transcribe ya está activo en Rambler (limitado a Pixel 11), la aplicación Gemini en macOS, Google AI Studio y Antigravity, con acceso a contexto de pantalla e historial de chat. Los desarrolladores pueden acceder al modelo desde la API de Gemini. Google planea expandir Rambler a «más dispositivos Gemini Intelligence» durante 2026 y llevará la función de transcripción a Chrome «pronto», permitiendo entrada de voz en cualquier campo web, desde correos hasta prompts para chatbots. Fuente: arstechnica.com

Qué significa para los usuarios y desarrolladores

El modelo reduce fricción en la entrada de voz, especialmente útil para quienes crean contenido, documentan ideas o controlan dispositivos sin manos. El riesgo es que la IA altere ligeramente el significado de lo que dijiste; en textos cortos funciona bien, pero en contextos legales, médicos o técnicos donde cada palabra importa, la edición automática puede no ser apropiada. Para desarrolladores integrados en Google AI Studio, el acceso a Gemini 3.5 Transcribe abre herramientas de voz optimizadas sin dependencias externas.

Dato	Detalle
Modelo	Gemini 3.5 Transcribe
Velocidad	70% más rápido que Chirp 3
Tasa de error	5.5% (vs. 7.32% en Chirp 3)
Idiomas	85 idiomas, hasta 3 hablantes en audio pregrabado
Disponible ahora	Rambler (Pixel 11), Gemini en macOS, AI Studio, Antigravity, API de Gemini
Próximas expansiones	Más dispositivos Gemini Intelligence en 2026; Chrome «pronto»
Características	Remueve muletillas (ums, uhs), edita correcciones en vivo, usa vocabulario personalizado

Preguntas frecuentes sobre Gemini 3.5 Transcribe

¿Qué diferencia hay entre Gemini 3.5 Transcribe y Chirp 3?

Gemini 3.5 Transcribe es 70% más rápido y tiene una tasa de error de 5.5% vs. 7.32% en Chirp 3. Además, edita automáticamente muletillas y puede ajustar el texto basándose en contexto y vocabulario personalizado.

¿Dónde puedo usar Gemini 3.5 Transcribe ahora?

Disponible hoy en Rambler (Pixel 11), Gemini en macOS, Google AI Studio, Antigravity y la API de Gemini. Google llevará la función a Chrome y otros dispositivos «Gemini Intelligence» durante 2026.

¿Es seguro que el modelo edite lo que digo?

Para textos cortos funciona bien, pero el modelo sí altera ligeramente el wording. En contextos donde cada palabra importa (legal, médico, técnico), esa edición podría ser problemática.

La lectura para quienes usan IA a diario

Gemini 3.5 Transcribe reduce una fricción real: limpiar transcripciones manuales toma tiempo. Si trabajas con audio, documentación o contenido generado por voz, esta mejora de precisión y velocidad es tangible. La pregunta clave es si confías en que la IA capture tu intención tan bien como tú mismo lo harías.

En Inteligencia Artificial creemos que Google está optimizando la entrada de voz como entrada premium en su ecosistema, especialmente en dispositivos Pixel. ¿Cuándo fue la última vez que escribiste algo importante por voz en lugar de teclado?

Fuente: arstechnica.com