Google : Gemini 3.5 Transcribe
Gemini 3.5 Transcribe a été présenté par Google le 26 août 2026. Il convertit la parole des fichiers audio en texte et produit des annotations par mot.
Gemini 3.5 Transcribe ou Gemini 3.5 Transcribe Live : lequel choisir ?
Gemini 3.5 Transcribe traite l’audio préenregistré, tandis que Gemini 3.5 Transcribe Live reçoit la diffusion en temps réel ; Google les a présentés ensemble le 26 août 2026. Le point de terminaison gemini-3.5-transcribe passe par l’API Interactions pour les fichiers audio, gemini-3.5-transcribe-live par l’API Live pour les flux en direct.
Les deux points de terminaison prennent en charge la détection automatique des langues, le vocabulaire personnalisé et la dictée intelligente avec mise en forme. Pour les fichiers audio, gemini-3.5-transcribe prend aussi en charge les horodatages par mot et la séparation des locuteurs, contrairement au point de terminaison de diffusion en direct.
À quoi sert Gemini 3.5 Transcribe
Audio
Gemini 3.5 Transcribe convertit en texte la parole contenue dans des fichiers audio.
Transcription
Gemini 3.5 Transcribe transcrit notamment des enregistrements audio, des réunions et des journaux d’appels.
La séparation des locuteurs distingue jusqu’à 8 personnes, mais l’attribution à 3 locuteurs ou plus reste expérimentale. Chaque mot reconnu peut recevoir un horodatage précis de début et de fin ; selon le guide de transcription audio de l’API Gemini, activer ces horodatages peut toutefois dégrader la précision globale de la transcription.
Le vocabulaire personnalisé oriente la reconnaissance vers des termes de métier, des sigles et des noms propres, avec jusqu’à 1 000 expressions. Il ne se combine ni avec la séparation des locuteurs ni avec les horodatages par mot.
Le mode verbatim, activé par défaut, restitue mot pour mot ce qui est dit, mots de remplissage compris. À l’inverse, le mode smart prépare le texte pour la lecture en retirant les mots de remplissage, les bégaiements et les faux départs, tout en résolvant les corrections dites à voix haute.
- Audio
- Transcription
Les performances de Gemini 3.5 Transcribe
Selon Google, à sa sortie, Gemini 3.5 Transcribe atteint un taux d’erreur par mot (WER) moyen de 2,6 % sans streaming, dans une mesure d’un évaluateur tiers. Sur le jeu de test FLEURS, son WER sans streaming est de 5,04 % pour un ensemble de langues et de locales principales. Le même évaluateur tiers mesure un temps jusqu’à la transcription finale amélioré par exemple de 70 % face à Chirp 3, que Google nomme son précédent modèle de transcription.
Caractéristiques techniques de Gemini 3.5 Transcribe
Gemini 3.5 Transcribe a été présenté par Google le 26 août 2026. Il reçoit de l’audio et produit du texte ainsi que des annotations par mot. Chaque requête accepte jusqu’à une heure d’audio, limite qui passe à 30 minutes avec la séparation des locuteurs ou les horodatages par mot activés.
Le modèle détecte automatiquement les langues et gère le passage d’une langue à l’autre au sein d’un même enregistrement. Le français, identifié par le code fr-FR, fait partie des langues prises en charge. Il ne prend en charge ni la mise en cache, ni le raisonnement (thinking), ni l’API Batch.
- Éditeur
Google
- Sortie
- Hébergeurs
- Google AI Studio
Source : OpenRouter.
Où utiliser Gemini 3.5 Transcribe, et jusqu’à quand
Gemini 3.5 Transcribe est annoncé en disponibilité générale (GA) le 26 août 2026, selon les notes de version de l’API Gemini. Dans son billet du 26 août 2026, Google le présente toutefois en préversion publique pour les développeurs dans l’API Gemini, via Google AI Studio et Google Antigravity. Ces annonces portent des statuts distincts : disponibilité générale dans les notes de version, préversion publique dans le billet.
Pour les entreprises, le billet de Google du 26 août 2026 annonce une préversion publique via Gemini Enterprise Agent Platform. Selon la documentation de Google Cloud, cette plateforme propose la préversion gemini-3.5-transcribe-preview d’août 2026, puis la version en disponibilité générale gemini-3.5-transcribe d’octobre 2026. Au relevé d’octobre 2026, la page des dépréciations de l’API Gemini n’annonce aucune date d’arrêt pour gemini-3.5-transcribe.
Dans son billet du 26 août 2026, Google annonce aussi un accès dans le mode Build de Google AI Studio pour créer des applications à la voix. Le modèle y est également annoncé dans l’application Gemini sur macOS en anglais, ainsi que dans Rambler sur Android, dans une sélection de pays et de langues, et Google y prévoit une arrivée prochaine dans Chrome.
L'API Google
Pour relier le modèle à votre application
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
FAQ
Gemini 3.5 Transcribe peut-il traiter une longue réunion ?
Gemini 3.5 Transcribe accepte jusqu’à une heure d’audio par requête, et jusqu’à 30 minutes avec la séparation des locuteurs ou les horodatages par mot activés.
La transcription Smart peut-elle conserver exactement les mots prononcés ?
Gemini 3.5 Transcribe ne conserve pas exactement les paroles en mode smart : ce mode retire les mots de remplissage, les bégaiements et les faux départs, et résout les corrections dites à voix haute. En mode verbatim, activé par défaut, la transcription restitue mot pour mot tout ce qui est dit, mots de remplissage compris.
Quelles langues Gemini 3.5 Transcribe prend-il en charge ?
Gemini 3.5 Transcribe détecte automatiquement plus de 85 langues et gère le passage d’une langue à l’autre au sein d’un même enregistrement. Le français, sous le code fr-FR, fait partie des langues prises en charge.
Quand Gemini 3.5 Transcribe a-t-il été présenté ?
Gemini 3.5 Transcribe a été présenté par Google le 26 août 2026.
Usage sur OpenRouter
- Transcription
- 435 k requêtes sur le dernier mois · 15e sur 20 des modèles les plus utilisés en Transcription
Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.