Chrome permitirá pronto dictar en cualquier campo de texto utilizando Gemini 3.5 Transcribe.

Muchas aplicaciones integradas de voz a texto son complicadas en el mejor de los casos, a menudo se quedan atrapadas procesando sonidos y cometen errores tipográficos en oraciones que, de otro modo, estarían bien. Google afirma que este nuevo modelo convertirá el habla en texto de manera más eficiente, produciendo documentos correctamente formateados con errores mínimos.

Google señala que este nuevo modelo puede corregirse a sí mismo en medio de una oración si el usuario comete un error y luego lo corrige de inmediato.

Este es el mismo modelo que actualmente impulsa la muy comentada función Rambler en los últimos teléfonos Pixel 11 de Google. Así que no tendrás que preocuparte por eliminar manualmente palabras de relleno como «eh» y «uh» del texto. Gemini 3.5 Transcribe se encargará de todas esas pequeñas cosas y te dejará con un bloque de texto limpio.

Aparte de impulsar Rambler, el modelo de voz a texto también se puede encontrar en la aplicación Antigravity de Google y en la aplicación Gemini en macOS. Así que Chrome será la próxima parada para él.

Para aquellos que quieran saber cómo se desempeña en benchmarks, Google ha compartido la siguiente información:

• Según lo medido por Artificial Analysis, [Gemini 3.5 Transcribe] logra una tasa de error de palabras (WER) promedio del 4.0% para casos de uso en streaming y del 2.6% para casos de uso no streaming. Muestra un rendimiento sólido en entornos ruidosos del mundo real, capturando con precisión entidades alfanuméricas como códigos postales e IDs de pedido.
• Según lo medido por Artificial Analysis, el tiempo hasta la transcripción final, por ejemplo, mejora en un 70%. En el benchmark FLEURS, a través de un conjunto de los principales idiomas y localidades, el modelo ofrece un rendimiento multilingüe preciso, mejorando respecto a Chirp 3, y logrando un WER del 5.50% en modo streaming y del 5.04% en casos de uso no streaming.

Google también afirma que el modelo puede transcribir en más de 85 idiomas y puede manejar acentos regionales y dialectos diversos. Otra característica interesante es que, si le pides a Gemini 3.5 Transcribe que realice una tarea compleja como generar una imagen, automáticamente redirigirá la solicitud a un modelo apropiado a través de llamadas de función.

La compañía tiene como objetivo permitir a sus usuarios “dictar respuestas y componer publicaciones” con mayor facilidad, eliminando el verborrea extra como eh y ah, así como reconociendo nombres propios y otras palabras únicas para no pronunciarlas o escribirlas incorrectamente.

Dicho esto, Google también está experimentando con otros trucos de IA en Chrome, como convertir artículos en pódcast.

He estado probando herramientas como Wispr Flow y Willow en las últimas semanas para ver cómo podría acelerar mi propio flujo de trabajo, así que será interesante ver cómo se compara Gemini 3.5 Transcribe con estas herramientas, especialmente porque estará integrado en el propio Chrome.