author
Escrito por:  Ricardo Baracaldo
Redactor     Ago 27, 2026 - 4:21 pm

El procesamiento del lenguaje natural y las herramientas impulsadas por inteligencia artificial continúan transformando la forma en que las personas interactúan con la tecnología. En este escenario, Google presentó Gemini 3.5 Transcribe, un modelo especializado de conversión de voz a texto (speech-to-text) diseñado para ir más allá de los dictados tradicionales y ofrecer transcripciones con un alto nivel de comprensión contextual.

(Vea también: Apple sacude el mercado: confirma fecha de su esperado evento de septiembre y qué novedades habrá)

A diferencia de los sistemas convencionales de dictado por voz —que suelen limitarse a plasmar literalmente cada sonido detectado—, este nuevo modelo analiza la intención del hablante.

Esto le permite interpretar el mensaje global, corregir automáticamente la puntuación y estructurar la información de manera coherente sin perder la esencia del discurso original.

Lee También

Principales características del modelo

  • Cobertura lingüística: ofrece soporte para procesar voz en más de 85 idiomas, reduciendo sustancialmente los márgenes de error de las versiones anteriores.
  • Limpieza y pulido de texto: filtra muletillas habituales del habla (como “eh”, “este” o repeticiones involuntarias) y genera párrafos legibles y bien organizados.
  • Reconocimiento de contexto: muestra mayor precisión al identificar expresiones coloquiales, tecnicismos e incluso vocabulario personalizado asignado por los usuarios o las aplicaciones.
  • Eficiencia y rapidez: presenta una latencia ultrabaja que reduce los tiempos de procesamiento en comparación con las tecnologías de voz desarrolladas previamente por la compañía.

Aplicaciones prácticas y disponibilidad

Gemini 3.5 Transcribe está pensado tanto para el usuario cotidiano como para entornos profesionales y de desarrollo. Por un lado, optimiza los flujos de escritura por voz en aplicaciones como la versión de Gemini para macOS y entornos web, facilitando la redacción de correos electrónicos, notas y documentos extensos mediante el dictado directo.

Por otro lado, la herramienta se encuentra accesible para desarrolladores a través de la plataforma Google AI Studio. Esto permite integrar la función de transcripción avanzada en asistentes virtuales, herramientas de accesibilidad, software de productividad y plataformas de atención al cliente.

¿Cómo usar la función Gemini 3.5 Transcribe?

Para empezar a usar Gemini 3.5 Transcribe, el proceso depende de si es un usuario final que busca dictar o un desarrollador que quiere integrarla en una aplicación:

Para usuarios (dictado y redacción)

  • En la aplicación de escritorio (p. ej. Gemini para macOS/Windows):
  1. Abra la aplicación de Gemini en su computadora.
  2. Haga clic en el ícono de micrófono dentro del campo de texto o use el atajo de teclado asignado para activar la escucha.
  3. Comience a hablar de forma natural. El modelo filtrará las muletillas, agregará signos de puntuación y estructurará el texto en pantalla en tiempo real.
  • En el navegador web:
  1. Acceda a la plataforma oficial de Gemini desde su navegador.
  2. Active el acceso al micrófono de su dispositivo cuando la página lo solicite.
  3. Presione el botón de voz y dicte sus correos, borradores o instrucciones directamente.

Para desarrolladores (vía API en Google AI Studio)

  1. Obtener credenciales: ingrese a Google AI Studio y genere su clave API (API Key).
  2. Seleccionar el modelo: elija gemini-3.5-transcribe (o el ‘endpoint’ correspondiente de voz a texto) dentro de sus configuraciones de proyecto.
  3. Enviar el flujo de audio: haga solicitudes vía API enviando archivos de audio grabado (formatos como WAV, MP3, FLAC) o transmisiones de audio en tiempo real (streaming).
  4. Recibir la respuesta: la API devolverá un objeto JSON con el texto formateado, limpio de muletillas y con la puntuación aplicada automáticamente.

* Pulzo.com se escribe con Z

Lee todas las noticias de tecnología hoy aquí.

LO ÚLTIMO