Capture record
- Canonical URI： https://www.bnext.com.tw/article/92043/gemini-3-5-transcribe-speech-to-text
- Source class： secondary synthesis；BusinessNext 文章整理 Google 官方公告、Google Cloud 語音辨識文件與 Artificial Analysis 數據，且頁面註明本文初稿為 AI 編撰、由李先泰整理／編輯。它不是 Google API 規格的唯一來源、獨立語音辨識評測或企業導入研究；本筆維持
status: draft。 - 原文標題： 字錯率僅4%！Google發表Gemini 3.5 Transcribe語音轉文字模型，產出逐字稿時間大幅縮短70%
- 作者／出版者： 李先泰／數位時代 BusinessNext
- 發布／修改時間： 2026-08-28T17:10:00+08:00（BusinessNext canonical JSON-LD）
- 擷取時間： 2026-08-28T09:23:31+00:00
- Retrieval method： 以 canonical HTML 讀取
NewsArticle.articleBodyJSON-LD；正文解碼後 2,191 字元。只保存 metadata、faithful summary、claim ledger、主要來源核對結果與 rights boundary，不保存全文、圖片或頁面後續內容。 - HTTP metadata： status
200；final URL 與 canonical URI 相同；Content-Type: text/html; charset=UTF-8；Cache-Control: max-age=0, must-revalidate, no-cache, no-store, private；回應 377,115 bytes。未保存的本次 HTML response SHA-256：dd1a5aba8b4693c585813dc0fe24348fd9a28f829db9a346aeeadda65bb21a0a。 - Saved payloads and SHA-256： 無；僅保存本 wrapper。frontmatter 的
sha256是本檔 frontmatter 結束後 body 的 SHA-256。
Faithful summary
BusinessNext 報導 Google 於 2026-08-26 發表 Gemini 3.5 Transcribe，將原始語音轉成可直接使用的格式化文字，並整理自我更正、贅詞過濾、自訂詞彙、多語言與口音、講者辨識及逐字時間戳等功能。這些產品能力由 Google 官方公告支持，但文章對實際工作流的節省效果仍屬產品／媒體 attribution。1
文章引用 Google 對 Artificial Analysis 與 FLEURS 測試的整理：串流與非串流 WER 分別為 4.0%／2.6% 及 5.50%／5.04%，並稱相較 Chirp 3 產出最終逐字稿的時間縮短 70%。文章也明確提醒兩組數據來自不同基準、不能直接比較；Google Cloud 文件則說明 WER 應以 human-provided ground truth 計算，較低代表較少文字錯誤，但不等於所有情境的語意正確或整體產品效益。1
可重用的工作流判準是把語音任務分成即時串流與預錄音檔／會議紀錄兩條路徑：先依延遲、講者標記、時間戳與格式化需求選 API，再對數字、名稱與高風險結論保留音檔或人工 ground truth 做抽樣核對。WER、產品公告與媒體實測不能互相替代，也不能把供應商報告的指標直接升格為跨模型或企業生產力 benchmark。1
Primary-source checks during ingest
以下頁面在本次 ingest 中實際讀取，作為 claim tracing 參考；未另存為 raw payload，也沒有把它們的內容混入本筆來源的文章擷取：
- Google 官方公告：Introducing Gemini 3.5 Transcribe：頁面標示 2026-08-26，作者 Diego Melendo Casado 與 Luke Leonhard；說明模型定位、格式化轉錄、兩種 API、85+ 語言、最多三名講者、WER、FLEURS 與相較 Chirp 3 的延遲改善。
- Google Cloud：Measure and improve speech accuracy：說明 WER、human-provided ground truth、插入／替換／刪除錯誤、跨資料集比較的計算邊界與至少 30 分鐘音訊的測量建議。
Claim ledger
| ID | Source claim | Status | Owning evidence and boundary |
|---|---|---|---|
| C01 | Google 於 2026-08-26 發表 Gemini 3.5 Transcribe，並以 Gemini API 公開預覽提供開發者使用。 | supported | Google 官方公告與 BusinessNext canonical JSON-LD 均支持發布日與 API 公開預覽；不代表所有地區、方案或帳號均已可用。 |
| C02 | 模型可把原始語音轉成格式化文字，處理贅詞、自我更正、自訂詞彙、85+ 語言，以及最多三名講者的辨識與逐字時間戳。 | supported | Google 官方公告直接列出這些功能；「實際準確率」仍受語言、音訊、領域與使用設定影響，官方頁面不等於獨立部署評測。 |
| C03 | 產品以兩條 API 路徑處理即時串流與預錄音檔／會議紀錄等情境。 | supported | Google 官方公告與 BusinessNext 的產品整理均支持 Live API／Interactions API 的工作流分工；這是 API 行為描述，不是任務成功率證據。 |
| C04 | 串流／非串流 WER 為 4.0%／2.6%，FLEURS 為 5.50%／5.04%，相較 Chirp 3 的最終逐字稿時間縮短 70%。 | supported | Google 官方公告以 Artificial Analysis 與 FLEURS 口徑報告這些數字；Google Cloud 文件支持 WER 的一般定義。數字仍是特定基準與官方引用結果，不能當成跨資料集或跨供應商 benchmark。 |
| C05 | 「自家史上最精準」代表模型在所有語言、噪音與企業場景都優於競品。 | unresolved | Google 的措辭是產品方定位；本次未取得同一語料、相同設定下的競品對照或獨立複核，不能推出普遍優於競品。 |
| C06 | 一般使用者可透過 macOS Gemini、Gboard Rambler 與 Chrome 等入口使用，且台灣已在開放國家名單內。 | partially-supported | Google 官方公告支持部分產品入口；BusinessNext 同時記載官方尚未說明開放國家名單，本次沒有台灣 rollout 的一手證據。 |
| C07 | 語意整理與贅詞移除可直接省掉人工清稿，並等同於實際產稿時間或企業生產力提升 70%。 | partially-supported | Google 支持「格式化轉錄」與 final-transcription latency 改善的產品描述；未支持所有工作流都省下相同比例人工時間，也沒有企業生產力對照研究。 |
Evidence boundary
本記錄支持的最小結論是：BusinessNext 對 Gemini 3.5 Transcribe 的整理，經 Google 官方公告核對後，可作為語音轉文字模型的產品能力與 API 工作流 snapshot；WER、FLEURS 與 latency 數字必須保留其測試基準、官方／第三方 attribution 與比較邊界。1
本記錄不能證明模型在所有語言、口音、噪音、專業術語或企業流程中都達到同一準確度，不能證明台灣已取得一般使用者 rollout，也不能把「最精準」、70% 或去除人工清稿解讀為跨競品效能、語意理解或企業生產力因果結論。未加入 verified；本次有 process-level source checks，但沒有獨立 human verification。
Rights boundary
BusinessNext article is copyrighted. 本次僅保存 metadata、faithful summary、claim ledger、必要的來源核對連結與證據界線；未保存全文、圖片、逐字稿或完整 HTML payload。Google 官方公告與 Cloud 文件也只作 claim tracing 的連結，不在本筆重製其全文；canonical links 是後續查核入口，來源 ingest 指示不等於取得重製授權。
Footnotes
-
BusinessNext〈字錯率僅4%！Google發表Gemini 3.5 Transcribe語音轉文字模型，產出逐字稿時間大幅縮短70%〉，2026-08-28；canonical URL：https://www.bnext.com.tw/article/92043/gemini-3-5-transcribe-speech-to-text。 ↩ ↩2 ↩3 ↩4