Google ersetzt Chirp 3 durch Gemini 3.5 Transcribe
Google hat mit Gemini 3.5 Transcribe ein neues Modell für Speech-to-Text und Sprachsteuerung angekündigt. Es wandelt gesprochene Sprache nicht nur in Text um, sondern bereinigt das Ergebnis während der Verarbeitung. Füllwörter und Versprecher sollen damit gar nicht erst im ausgegebenen Text erscheinen.
Nach Angaben von Google ist das Modell von der Spracheingabe bis zum fertigen Text 70 % schneller als die bisherige Sprachengine Chirp 3. Die Fehlerrate bei Live-Sprache sinkt demnach von 7,32 % auf 5,5 %. Unabhängig überprüfen lassen sich diese Herstellerangaben anhand der vorliegenden Informationen nicht.
| Kennzahl | Gemini 3.5 Transcribe | Chirp 3 |
|---|---|---|
| Fehlerrate bei Live-Sprache | 5,5 % | 7,32 % |
| Geschwindigkeit bis zum fertigen Text | 70 % schneller | Vergleichsbasis |
| Unterstützte Sprachen | 85 | Keine Angabe |
| Sprecher bei aufgezeichnetem Audio | Bis zu 3 | Keine Angabe |
Die KI schreibt nicht wortgetreu mit
Gemini 3.5 Transcribe entfernt automatisch Laute wie Äh und Ähm. Wer sich während des Sprechens korrigiert, soll im fertigen Text nur die bereinigte Aussage sehen. Für Fachbegriffe und branchenspezifischen Jargon lässt sich außerdem ein eigenes Vokabular hinterlegen.
Für E-Mails, Notizen und gesprochene Prompts kann diese Glättung nützlich sein. Bei Sitzungsprotokollen, Interviews, Beweisdokumentationen oder regulatorisch relevanten Aufzeichnungen entsteht jedoch ein Problem: Das Modell verändert den tatsächlichen Wortlaut.
Gemini 3.5 Transcribe liefert keinen rein wörtlichen Mitschnitt, sondern eine von KI redigierte Fassung des Gesprochenen.
Unternehmen sollten deshalb zwischen Diktat und Dokumentation unterscheiden. Wo eine unveränderte Aufzeichnung erforderlich ist, müssen Originalaudio und eine wortgetreue Transkription erhalten bleiben. Die bereinigte Version kann dann als zusätzliche Arbeitsfassung dienen.
API, macOS und Chrome als nächste Verbreitungswege
Das Modell arbeitet bereits in der Gboard-Funktion Rambler auf dem Pixel 11. Seit August 2026 steht es außerdem in der Gemini-App für macOS sowie über die Gemini API, Google AI Studio und Antigravity bereit. In Antigravity kann die Sprachfunktion mit Zustimmung auch Bildschirmkontext und Chatverlauf einbeziehen.
| Zugang | Status |
|---|---|
| Gboard Rambler auf Pixel 11 | Verfügbar |
| Gemini-App für macOS | Verfügbar |
| Gemini API | Verfügbar |
| Google AI Studio | Verfügbar |
| Antigravity | Verfügbar |
| Weitere kompatible Geräte | Für später im Jahr angekündigt |
| Chrome | Angekündigt, kein konkreter Termin |
Für Chrome plant Google die Spracheingabe in beliebigen Webfeldern. Damit ließen sich unter anderem E-Mails, Formulare und Prompts diktieren. Ein konkretes Veröffentlichungsdatum nennt Google bislang nicht.
Die breite Integration passt zur wachsenden Reichweite des Gemini-Ökosystems. Für Google entsteht damit ein weiterer Weg, Nutzer und Entwickler an die eigene Plattform und deren Programmierschnittstellen zu binden.
Datenschutzfragen für Unternehmen im DACH-Raum
Die Unterstützung von 85 Sprachen umfasst auch Deutsch. Für Unternehmen in Deutschland, Österreich und der Schweiz ist jedoch nicht nur die Erkennungsqualität entscheidend. Sprachaufnahmen können personenbezogene Daten, Geschäftsgeheimnisse oder vertrauliche Kundendaten enthalten.
Vor einer betrieblichen Nutzung sind deshalb Auftragsverarbeitung, Speicherfristen, Verarbeitungsorte und Zugriffsrechte zu klären. Bei Werkzeugen mit Zugriff auf Bildschirminhalte und Chatverläufe erweitert sich der mögliche Datenumfang zusätzlich. Konkrete Angaben dazu, ob und unter welchen Bedingungen API-Daten für Training genutzt werden, liegen in der Ankündigung nicht vor.
Technische Funktionen zur begrenzten Datenspeicherung können für Unternehmen ein wichtiges Auswahlkriterium sein. Wie solche Zusagen in der Praxis ausgestaltet werden können, zeigt beispielsweise Zero Data Retention bei OpenAI. Für Gemini 3.5 Transcribe müssen die Bedingungen separat anhand der jeweiligen Google-Verträge geprüft werden.
Cloud-Komfort gegen Kontrolle und Abhängigkeit
Google nennt bislang keine Preise pro Minute, Anfrage oder Token. Damit lässt sich noch nicht belastbar kalkulieren, welche laufenden Kosten bei größeren Transkriptionsvolumen entstehen. Neben dem Preis zählt auch der technische Wechselaufwand, wenn Anwendungen eng an die Gemini API und weitere Google-Dienste gekoppelt werden.
Lokale Open-Source-Modelle wie Whisper bleiben eine Alternative, wenn Sprachdaten die eigene Infrastruktur nicht verlassen sollen. Self-Hosting verursacht ebenfalls Kosten für Hardware, Betrieb und Wartung, ermöglicht aber mehr Kontrolle über Datenflüsse und Aktualisierungen. Der Trend zu lokaler KI auf eigener Hardware zeigt, dass Cloud-APIs nicht für jeden Anwendungsfall die einzige praktikable Lösung sind.
Gemini 3.5 Transcribe ist damit vor allem für produktive Diktate und sprachgesteuerte Eingaben interessant. Für verbindliche Protokolle braucht es dagegen klare Regeln zur Aufbewahrung des Originals. Bei einer Integration über die API sollten Unternehmen außerdem Datenschutz, Gesamtkosten und mögliche Anbieterabhängigkeit gemeinsam bewerten.