Google DeepMind lanza Gemini 3.5 Transcribe, modelo de voz a texto en tiempo real
Hecho Qué ha ocurrido
Google DeepMind presenta Gemini 3.5 Transcribe, un modelo de transcripción de voz disponible en la Gemini API, Google AI Studio y Gemini Enterprise Agent Platform. Según Artificial Analysis, mejora el tiempo hasta transcripción final en un 70% respecto a Chirp 3, y en el benchmark FLEURS logra un WER de 5,50% en streaming y 5,04% en no streaming. El modelo ofrece atribución de hablantes, marcas de tiempo por palabra, cambio de idioma en vivo y limpieza de disfluencias, y ya se integra en Gboard, Antigravity, Chrome, Gemini app y Android (Rambler).
Resumen generado mediante IA a partir de Google DeepMind (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Una transcripción más precisa y rápida reduce fricción en agentes de voz, atención al cliente y análisis de llamadas, áreas donde el error de reconocimiento y la latencia son barreras críticas de adopción.
- Quién se ve afectado
- Desarrolladores de voz IA, empresas de atención al cliente, centros de contacto y proveedores de plataformas de streaming en tiempo real como LiveKit o LangChain.
- Qué puede cambiar
- Empresas que dependían de servicios de transcripción menos precisos podrán construir agentes de voz y pipelines de análisis post-llamada con menor coste de post-procesado y mayor precisión multilingüe.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la adopción por integradores como Agora, LiveKit o Pipecat, la disponibilidad de precios públicos y comparativas independientes de WER frente a competidores como Whisper o AssemblyAI.
Recomendación Qué debería hacer una empresa
Los equipos que operan centros de contacto o agentes de voz deberían evaluar Gemini 3.5 Transcribe en pruebas piloto en los próximos 3-6 meses frente a su solución actual de STT.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Google DeepMind (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗vozLLMedge AI API Gemini Google DeepMind transcripción voz a texto
Relacionadas
Google lanza Gemini 3.5 Transcribe, modelo de voz a texto con soporte para 85 idiomas
Google ha presentado Gemini 3.5 Transcribe, un modelo de conversión de voz a texto que transcribe en más de 85 idiomas y elimina expresiones de relleno como…
Por qué importaLa mejora significativa en precisión, latencia y capacidad multilingüe hace que este modelo sea relevante para empresas que necesiten transcribir…
Google DeepMind lanza Gemini 3.8 Flash TTS y Flash-Lite TTS con voces personalizables
Google DeepMind presentó Gemini 3.8 Flash TTS y Flash-Lite TTS, sus nuevos modelos de texto a voz que permiten crear voces de personaje personalizadas y…
Por qué importaLa generación de voz sintética de alta calidad y personalizable abre nuevas posibilidades para doblaje global, agentes de voz conversacionales y…
Google DeepMind lanza Gemini 3.5 Live Translate con traducción simultánea de voz
Google DeepMind ha lanzado Gemini 3.5 Live Translate, un modelo de audio que realiza traducción simultánea de voz en más de 70 idiomas con latencia cercana a…
Por qué importaSimplifica significativamente la comunicación multilingüe en reuniones, llamadas y aplicaciones empresariales, eliminando pausas incómodas y…
Google lanza Gemini 3.1 Flash TTS, modelo de voz con control granular y marca SynthID
Google DeepMind presentó Gemini 3.1 Flash TTS, un modelo de texto a voz con etiquetas de audio para controlar estilo, ritmo y entonación en más de 70 idiomas…
Por qué importaMejora la calidad y control de voz sintética a bajo coste, facilitando su adopción en aplicaciones comerciales de audio y doblaje multilingüe.
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.