IA · 27 agosto 2026 · 5 min di lettura
Google lancia Gemini 3.5 Transcribe: l'IA ripulisce il parlato e cancella gli intercalari
In sintesi: Google ha annunciato Gemini 3.5 Transcribe, un nuovo modello vocale progettato per rivoluzionare il dettato e la trascrizione audio. Il sistema riduce la latenza del 70% rispetto al precedente Chirp 3, elimina automaticamente intercalari ed esitazioni e corregge i ripensamenti in tempo reale, aprendosi a sviluppatori, app desktop e browser.
di Team Mocchi's
Mentre il settore rimane in attesa del rilascio su larga scala di Gemini 3.5 Pro, Google ha ampliato a sorpresa la propria famiglia di modelli specializzati presentando Gemini 3.5 Transcribe. Il nuovo motore di trascrizione vocale punta a superare i limiti storici del riconoscimento vocale (STT), trasformando il parlato spontaneo — spesso frammentato, ricco di pause e intercalari — in testo formattato, fluido e pronto all'uso.
L'obiettivo di Mountain View è chiaro: colmare il divario tra ciò che l'utente pronuncia d'impulso e ciò che intende realmente scrivere, introducendo un livello di post-elaborazione semantica in tempo reale che agisce direttamente durante l'acquisizione dell'audio.
Addio a intercalari ed esitazioni: l'evoluzione da Chirp 3
Sul piano delle prestazioni pure, Gemini 3.5 Transcribe segna un salto generazionale rispetto a Chirp 3, il precedente modello di riferimento di Google. Come riporta Ars Technica, la nuova architettura riduce la latenza dal parlato al testo definitivo di circa il 70%, portando il tasso di errore sulle parole (Word Error Rate o WER) al 5,5%, rispetto al 7,32% della generazione precedente.
La vera novità risiede però nella comprensione contestuale del flusso vocale. Come evidenziato da The Verge, il modello riconosce e rimuove automaticamente le disfluenze verbali — come i vari "ehm", "uh" o i balbettii tipici del parlato spontaneo — e corregge la frase se l'utente si corregge a voce a metà discorso. Gemini 3.5 Transcribe supporta oltre 85 lingue, include la diarizzazione con attribuzione automatica fino a tre interlocutori negli audio pre-registrati e fornisce marcatura temporale (timestamp) a livello di singola parola.
Un elemento di rilievo per le integrazioni professionali è il supporto a vocabolari personalizzati: le aziende e i singoli utenti possono fornire elenchi di termini tecnici, gerghi di settore o nomi propri per evitare che il filtro correttivo alteri la terminologia specialistica.
Integrazione nell'ecosistema: da macOS alle API per sviluppatori
Google ha avviato la distribuzione del modello su più fronti. Gemini 3.5 Transcribe è già alla base della funzione di dettatura avanzata Rambler sulla tastiera Gboard per la linea Pixel 11, con un'estensione pianificata ad altri dispositivi compatibili entro la fine dell'anno. Da oggi, il motore alimenta anche l'input vocale dell'applicazione ufficiale di Gemini per macOS.
Sul versante degli sviluppatori, il modello debutta in anteprima pubblica attraverso l'API Gemini e all'interno di Google AI Studio. È inoltre integrato nell'ambiente Antigravity, dove può sfruttare il contesto a schermo e la cronologia della sessione per ottimizzare flussi di vibe-coding e interazioni complesse senza richiedere continue correzioni da tastiera. Mountain View ha inoltre anticipato che il supporto nativo a Gemini 3.5 Transcribe arriverà a breve direttamente all'interno del browser Google Chrome, consentendo di dettare testi puliti in qualsiasi form o campo di inserimento sul web.
Tra trascrizione fedele e intenzione: il bilanciamento del testo
L'approccio inaugurato da Gemini 3.5 Transcribe segna un cambio di paradigma rispetto alla trascrizione puramente acustica. Non ci si limita a convertire fonemi in grafemi, ma si applica un'inferenza sul significato per ripulire la sintassi.
Questo automatismo introduce vantaggi tangibili nella produttività quotidiana — come la stesura rapida di email, appunti o prompt per chatbot —, ma richiede consapevolezza d'uso. Nei contesti in cui la fedeltà letterale assoluta è un requisito normativo o operativo (come nelle trascrizioni legali, peritali o in determinati referti clinici), l'intervento correttivo dell'IA rischia di modificare sfumature verbali decisive. Per questo motivo, la possibilità di configurare vocabolari custom e monitorare il livello di riscrittura rimane un tassello essenziale nell'adozione dello strumento.
Il punto di Mocchi's
L'evoluzione presentata da Google conferma come la voce stia rapidamente transitando da semplice metodo alternativo di input a interfaccia primaria per l'interazione con i sistemi software. Per le aziende italiane che sviluppano gestionali, strumenti di produttività interna o applicazioni verticali, la disponibilità di modelli STT a bassissima latenza capaci di eliminare il "rumore" linguistico apre scenari concreti di automazione nei processi sul campo e nel customer service. Il supporto nativo a vocabolari specialistici tramite API consentirà di integrare l'input vocale in settori ad alta densità tecnica — dal manifatturiero alla sanità — senza dover costruire complessi pipeline di post-processing proprietarie.