In Kürze

  • Google hat am 26. August 2026 mit Gemini 3.5 Transcribe sein bislang präzisestes Sprache-zu-Text-Modell in die öffentliche Vorschau der Gemini API gebracht und löst damit das bisherige Flaggschiff Chirp 3 ab.
  • Das Modell erkennt automatisch über 85 Sprachen samt Akzenten und Dialekten und erreicht laut Messungen des unabhängigen Anbieters Artificial Analysis eine durchschnittliche Fehlerrate von 2,6 Prozent bei aufgezeichnetem Audio und 4,0 Prozent im Streaming-Betrieb.
  • Gemini 3.5 Transcribe steht in zwei Varianten zur Verfügung – für aufgezeichnetes Audio und für Live-Streaming – und ist bereits in Google-Produkten wie der Gboard-Funktion «Rambler» im Einsatz; die Einführung in Chrome ist angekündigt.

Was ist passiert?

Google hat am 26. August 2026 Gemini 3.5 Transcribe vorgestellt, ein neues Spracherkennungsmodell, das als bisher präzisestes Sprache-zu-Text-Modell des Unternehmens beworben wird und in der öffentlichen Vorschau über die Gemini API, Google AI Studio sowie Google Antigravity verfügbar ist. Für Unternehmenskundschaft ist das Modell zudem über die Gemini Enterprise Agent Platform zugänglich; eine Integration in Gemini Enterprise for Customer Experience ist laut Google in Vorbereitung. Das Modell löst damit Chirp 3 als bisheriges Flaggschiff-Angebot für Spracherkennung ab und wird auf derselben Plattform ausgeliefert, die Entwicklerinnen und Entwickler bereits für Text- und multimodale Gemini-Anwendungen nutzen.

Gemini 3.5 Transcribe erkennt automatisch über 85 Sprachen inklusive regionaler Akzente und Dialekte und wandelt rohes Audiomaterial direkt in korrekten, formatierten Text um – inklusive automatischer Bereinigung von Selbstkorrekturen und Füllwörtern. Das Modell steht in zwei Varianten zur Verfügung: gemini-3.5-transcribe für bereits aufgezeichnetes Audiomaterial und gemini-3.5-transcribe-live für Live-Streaming-Anwendungen. Laut Messungen des unabhängigen Anbieters Artificial Analysis erreicht das Modell eine durchschnittliche Wortfehlerrate von 2,6 Prozent im Nicht-Streaming- und 4,0 Prozent im Streaming-Betrieb; auf dem mehrsprachigen FLEURS-Benchmark verbessert es sich gegenüber Chirp 3 auf 5,04 respektive 5,50 Prozent.

Warum ist das wichtig?

Spracherkennung ist eine Basistechnologie für zahlreiche Anwendungen von automatisierter Protokollierung über Untertitelung bis zu Sprachassistenten – Fortschritte bei Genauigkeit und Sprachabdeckung wirken sich deshalb unmittelbar auf viele nachgelagerte Produkte aus. Dass Google das neue Modell direkt in bestehende Produkte wie die Gboard-Diktierfunktion «Rambler» integriert und die Einführung in Chrome ankündigt, zeigt, wie zentral zuverlässige Transkription für die gesamte Produktpalette des Konzerns geworden ist.

Die Konsolidierung von Spracherkennung auf derselben API-Oberfläche wie Text- und multimodale Gemini-Modelle erleichtert es Entwicklerinnen und Entwicklern, Sprache nahtlos in bestehende KI-Workflows einzubinden, statt separate Speech-to-Text-Dienste zu integrieren. Für Unternehmen, die auf Google Cloud setzen, dürfte dies die Hürde senken, eigene sprachbasierte Anwendungen – etwa für Kundenservice oder interne Dokumentation – aufzubauen oder bestehende Chirp-3-Integrationen zu modernisieren.

Was bedeutet das für die Schweiz?

  • Die Schweiz mit ihren vier Landessprachen und zahlreichen Dialekten profitiert potenziell besonders von einem Modell, das gezielt auf robuste Mehrsprachigkeit und Akzent-Erkennung ausgelegt ist – relevant etwa für Behörden, Contact-Center oder Untertitelungsdienste.
  • Schweizer Unternehmen aus Banken, Versicherungen und dem Gesundheitswesen, die Sitzungen und Kundengespräche transkribieren lassen, müssen prüfen, ob und wann bestehende Google-Cloud-Integrationen auf das neue Modell migriert werden und welche Kosten- oder Genauigkeitsvorteile das bringt.
  • Unabhängig vom technischen Fortschritt bleibt für Schweizer Firmen die datenschutzrechtliche Ausgangslage unverändert: Wer Kunden- oder Patientengespräche über US-Cloud-Dienste transkribieren lässt, muss weiterhin die Anforderungen des Datenschutzgesetzes an Auftragsverarbeitung und Datenstandort prüfen.

Verwendete Quellen

Google kündigte Gemini 3.5 Transcribe am 26. August 2026 im offiziellen Blog an; 9to5Google ordnete die veröffentlichten Benchmark-Werte am selben Tag zusätzlich ein.

Quellenstatus: 2 strukturierte Quellen · 0 von 2 Originaldaten verifiziert. Prüfregeln ansehen

  • Google Google Originaldatum nicht erfasst Rolle: Ausgangsquelle · Zugriff: noch nicht protokolliert
  • 9to5Google 9to5Google Originaldatum nicht erfasst Rolle: Kontextquelle · Zugriff: noch nicht protokolliert

Häufige Fragen

Was ist die Kernaussage zu Google lanciert «Gemini 3.5 Transcribe» – neues Spracherkennungsmodell für über 85 Sprachen?

Google hat am 26. August 2026 mit Gemini 3.5 Transcribe sein bislang präzisestes Sprache-zu-Text-Modell in die öffentliche Vorschau der Gemini API gebracht und löst damit das bisherige Flaggschiff Chirp 3 ab.

Warum ist diese KI-Meldung für die Schweiz relevant?

Die Schweiz mit ihren vier Landessprachen und zahlreichen Dialekten profitiert potenziell besonders von einem Modell, das gezielt auf robuste Mehrsprachigkeit und Akzent-Erkennung ausgelegt ist – relevant etwa für Behörden, Contact-Center oder Untertitelungsdienste.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

Google kündigte Gemini 3.5 Transcribe am 26. August 2026 im offiziellen Blog an; 9to5Google ordnete die veröffentlichten Benchmark-Werte am selben Tag zusätzlich ein.