Google Gemini 3.5 Transcribe、APIを公開——語誤り率2.6%で5位、リアルタイムストリーミングには3つの制約
Googleは2026年8月26日、音声テキスト変換モデル「Gemini 3.5 Transcribe」のAPIを外部開発者向けに公開した。非ストリーミング時の語誤り率（WER）は2.6%でArtificial Analysisの評価で5位
Googleは2026年8月26日、音声テキスト変換モデル「Gemini 3.5 Transcribe」のAPIを外部開発者向けに公開した。非ストリーミング時の語誤り率（WER）は2.6%でArtificial Analysisの評価で5位
xAI が API 経由で2分以内に作成可能な音声クローン機能を公開し、28言語・80以上の音色を提供。技術的差別化や安全対策の不透明さが残る中、市場の参入障壁を引き下げる動きと評価される。