Ep.1461 Google「Gemini 3.5 Transcribe」を発表──“ただの文字起こし”を過去にする次世代音声認識（2026年8月27日配信）

名古屋ではたらく社長のITニュースポッドキャスト · Aug 26, 2026 · 3m

タイトル

Google「Gemini 3.5 Transcribe」を発表──“ただの文字起こし”を過去にする次世代音声認識

このエピソードで登場するキーワードを説明します。

Gemini 3.5 Transcribe: Googleが発表した低遅延かつ高精度な次世代の音声認識モデル。ノイズや言い淀みを排除し、文脈に沿った整ったテキストを直接出力する。

話者分離 (Speaker diarization): 音声データの中で「誰がいつ話したか」を自動的に識別して分割する技術。高度な議事録作成や対話解析に不可欠な機能。

Gboard Rambler: Pixel 11シリーズに搭載されている高度な音声入力機能。Gemini 3.5 Transcribeを基盤としており、雑然とした口頭のメモからでも構造化された文章を生成する。

それでは解説に入ります。

2026年8月26日、Googleは極めて精度の高い新たな音声認識モデル「Gemini 3.5 Transcribe」を発表しました。これまで広く普及してきた音声認識技術は、発せられた音を正確に拾い上げることに主眼が置かれていました。しかし、実際の会話には背景のノイズや専門用語、さらに「えーと」や「あの」といった言い淀みが頻繁に混じります。Gemini 3.5…