Gemini 3.5 Transcribe löscht Füllwörter aus Audio

Google rollt ein Update für Gemini Audio aus, dessen Hauptmerkmal das neue Modell Gemini 3.5 Transcribe ist. Neben der Unterstützung von über 85 Sprachen tut es eine entscheidende Sache: Während der Transkription kann es selbstständig Füllwörter wie „ähm“ und „äh“ erkennen und löschen, ohne den Kontext des Satzes zu stören.

Für Redakteure und Assistenten verschwindet die mechanische Arbeit

Jeder, der schon einmal ein Interview oder ein Meeting transkribiert hat, kennt die Phase des manuellen Durcharbeitens von Füllwörtern, damit der Text Sinn ergibt. Das neue Modell streicht diese Arbeitsebene. Es ermöglicht auch die Definition eines benutzerdefinierten Vokabulars für bestimmten Jargon, sodass die Automatisierung nicht über Fachbegriffe stolpert, die sie sonst als Rauschen betrachten könnte.

Sauberer Text direkt als native API-Funktion

Während die Sprache-zu-Text-Transkription von vielen beherrscht wird, war ein sauberes Transkript, das sofort veröffentlicht oder in Protokolle eingefügt werden kann, bisher die Domäne spezieller Software von Drittanbietern. Google packt diese Ebene nun in eine einzige API.

Die Sprechererkennung funktioniert nur für bis zu drei Personen

Obwohl das Tool unterscheiden kann, wer gerade spricht, hat es ein Limit. Es kann Stimmen in vorab aufgezeichnetem Audio zuverlässig maximal drei Sprechern zuordnen. Für größere Podiumsdiskussionen oder chaotische Meetings reicht es noch nicht aus und wird weiterhin menschliche Aufsicht erfordern.

Die Reinheit der Unternehmensdatenbanken wird die Akzeptanz bestimmen

Wie schnell sich das Tool durchsetzt, wird sich an seiner Zuverlässigkeit bei lokalen Daten entscheiden. Wenn sich herausstellt, dass Transcribe nicht Teile von Fachnamen zusammen mit dem Füllwort löscht, wird es zu einem unsichtbaren Bestandteil des täglichen Arbeitsablaufs in anderen Anwendungen.

Liliths Urteil

Ein sauberes Transkript ohne 'ähms' klingt nach einer Banalität, aber in der Realität spart es Stunden bei jedem Podcast oder Forschungsinterview.