Googles Gemini hört jetzt zu und schreibt wortgenau mit

Wer je ein einstündiges Gespräch abtippen musste, weiß, was Google gestern angekündigt hat, wirklich wert ist. Mit Gemini 3.5 Transcribe stellt der Konzern erstmals eigene Modelle vor, die nichts anderes tun als zuhören und mitschreiben, und zwar auf einem Niveau, das bisher teuren Spezialdiensten vorbehalten war.

Es sind zwei Modelle: eines für fertige Aufnahmen, eines für den laufenden Ton, etwa ein Gespräch, das gerade stattfindet. Beide erkennen laut Google mehr als 85 Sprachen samt automatischer Spracherkennung je Wortmeldung, trennen die Sprecher voneinander und versehen jedes einzelne Wort mit einem Zeitstempel. Wer Fachausdrücke, Namen oder Ortsbezeichnungen verwendet, kann dem Modell bis zu 1.000 eigene Begriffe mitgeben, damit aus der Traun nicht der Traum wird.

Erst die Tastatur am Handy, bald der Browser

Google baut die Modelle direkt in die eigenen Produkte ein. Die Diktierfunktion Rambler in der Android-Tastatur Gboard läuft bereits darauf, der Einbau in Chrome ist angekündigt. Für Entwickler stehen beide Modelle ab sofort in der Gemini-Schnittstelle bereit, dort ersetzen sie den Umweg über allgemeine Sprachmodelle, die beim reinen Mitschreiben bisher oft schlampten, Füllwörter halluzinierten oder Sprecher verwechselten.

Die Grenze der Ankündigung: Googles Qualitätsangaben stammen aus eigenen Messungen, unabhängige Vergleiche mit den etablierten Diensten wie Whisper oder den Profi-Transkribierern stehen noch aus. Und wie gut die versprochene Sprechertrennung bei österreichischem Dialekt im Wirtshauslärm funktioniert, wird sich zeigen müssen.

Mitschreiben ist die KI-Aufgabe, die jeder sofort braucht

Modellankündigungen gibt es jede Woche, zuletzt kam Gemini 3.7 Flash nur drei Wochen nach seinem Vorgänger. Mitschreiben ist anders: Es ist eine der wenigen KI-Aufgaben, die fast jeder Betrieb sofort brauchen kann, vom Protokoll der Teambesprechung über das Kundentelefonat bis zum Arztgespräch. Genau deshalb ist bemerkenswert, dass Google diese Fähigkeit vom teuren Zusatzwerkzeug zur eingebauten Selbstverständlichkeit macht, zuerst am Handy, dann im Browser. Die Zeit, in der man fürs saubere Mitschreiben extra bezahlt hat, dürfte ablaufen.