Google lança ferramenta que transforma fala em texto com mais precisão

O Google apresentou nesta quarta-feira o Gemini 3.5 Transcribe, sua ferramenta mais recente para transformar áudio em texto. Diferente de sistemas comuns de reconhecimento de fala, que se atrapalham com barulho de fundo, palavras técnicas ou vícios de linguagem como "tipo" e "né", o novo modelo consegue limpar esses ruídos e entregar um texto mais limpo e organizado.

A tecnologia está sendo usada em produtos do Google como o app Gemini, no Android e no macOS, e já aparece em funções como o Rambler, que remove automaticamente palavras de preenchimento da fala. Para desenvolvedores, o modelo está disponível na API do Gemini, no Google AI Studio e na plataforma Enterprise Agent. A empresa afirma que ele é capaz de reconhecer mais de 85 idiomas e tem uma taxa de erro de palavras de apenas 2,6% — bem menor que a do modelo anterior, o Chirp 3.

O grande salto em relação a versões passadas está na velocidade e na inteligência do sistema. Em testes, o tempo para gerar a transcrição final caiu 70%. Além disso, o Gemini 3.5 Transcribe consegue identificar quem está falando em uma conversa com várias pessoas e colocar marcações de tempo em cada palavra. Ele também entende o contexto — por exemplo, se o usuário diz "mostra a foto que tirei ontem", o sistema interpreta o pedido em vez de apenas escrever as palavras.

Para o usuário comum, o impacto aparece em aplicativos do dia a dia. O Gboard, teclado do Google, já usa a tecnologia para corrigir erros enquanto você dita uma mensagem. No Chrome e no app Gemini, é possível fazer buscas e gerar imagens só com a voz. Empresas como a Vivo e a Lingopal já estão usando o modelo e elogiaram a precisão e a rapidez. No Brasil, a novidade pode tornar assistentes de voz e ferramentas de transcrição mais confiáveis em português, um dos idiomas suportados.