# 影片筆記：【今話題】新文字起こしAI「Gemini 3.5 Transcribe」革命だったので徹底解説します


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：⚠️ 全文快速校讀發現未解決異常（segment=13 待確認：日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版；segment=15 待確認：日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版）
- 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）
- 待修正：逐字稿可先使用，但有待校正清單（segment=1 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=12 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

Google 推出專為音聲轉文字設計的 AI 模型「Gemini 3.5 Transcribe」，主打解決傳統 AI 在背景雜音、專業術語及「說錯後修正」時的識別弱點，並提供「Smart Transcription（智慧轉錄）」功能自動整理修正內容，以及高效的錄音檔案話者分離與時間戳記功能。

## 核心重點

1.  **Smart Transcription（智慧轉錄）功能**：
    *   針對「說錯後修正（言い直し）」的優化：開啟後，AI 會根據語境判斷說話者最終想表達的意思，自動忽略修正過程（如先說 A 後改口 B），直接生成修正後的正確句子。
    *   關閉時則保留完整過程，包含填充詞與修正軌跡。
    *   **注意**：此功能會丟失修正過程，不適合需要完整語境記錄的正式場合（如法律、醫療記錄）。

2.  **高效處理與功能**：
    *   處理速度比前代模型（提及「Chap 3」）最快縮短 70%。
    *   支援 85 種以上語言及方言。
    *   可預先註冊最多 1000 件固有名詞（車名、商品名等），提升行業特定詞彙識別率。

3.  **錄音檔案轉錄與話者分離**：
    *   支援即時轉錄與檔案上傳轉錄。
    *   可自動識別不同說話者並標註時間戳記，大幅縮短會議記錄整理時間。
    *   **限制**：若同時使用話者分離與時間戳記，錄音檔案最長僅支援 30 分鐘；話者分離穩定支援 3 人，超過 3 人至 8 人屬於實驗階段。

4.  **使用限制與注意事項**：
    *   Smart 功能與話者分離/時間戳記無法同時使用。
    *   免費版可能將數據用於模型改進，處理敏感資訊建議使用付費版。
    *   準確度指標：非串流模式平均 WER（詞錯誤率）為 2.6%；即時串流模式為 4.0%。

## 詳細大綱

### 一、 Gemini 3.5 Transcribe 概述
*   **產品定位**：Google 推出的專用於「音聲轉文字」的 AI 模型，非通用聊天 AI。
*   **解決痛點**：解決傳統文字轉錄 AI 對背景雜音、專業術語、方言及「說錯後修正」識別弱的問題。
*   **語言支援**：支援 85 種以上語言，包含方言及口音。
*   **處理速度**：相比前代模型（提及「Chap 3」），最終輸出速度最快縮短 70%。
*   **自訂功能**：可預先註冊最多 1000 件固有名詞，提升行業特定詞彙識別率。
*   **支援環境**：
    *   Android 的「Gード」（疑點：應指 Google 相關應用）。
    *   Mac 版「ジミニアアプリ」（疑點：應指 Gemini 應用）。
    *   Google AI Studio。
    *   開發者功能：「アンチグラビティ」（疑點：需查證）。
    *   Chrome 瀏覽器支援預計近期推出。
    *   目前處於「Public Preview」（公開預覽）階段，功能可能變動。

### 二、 核心功能演示：即時轉錄與 Smart Transcription
*   **操作路徑**：Google AI Studio -> 選擇模型 -> 選擇「Speech to Text」相關模型 -> 選擇「Gemini 3.5 Transcribe」。
*   **設定步驟**：
    1.  選擇「Live」（即時）模式。
    2.  設定主要語言為日語（Japanese）。
    3.  **Smart Transcription 預設為關閉**。
*   **Smart Transcription 功能解析**：
    *   **開啟前**：保留說話過程，包含「あー」、「えっと」等填充詞，以及說錯後修正的過程。
    *   **開啟後**：僅輸出最終結論。AI 會根據語境判斷說話者「最終想表達的意思」，自動忽略修正過程，直接生成修正後的正確句子。
    *   **案例演示**：
        *   會議場景：先說「4人」，後修正為「5人」；先說「火曜日」，後修正為「木曜日」。開啟 Smart 後，僅顯示「5人」及「木曜日」。
        *   接客場景：先點「Large 冰咖啡」，後修正為「Medium 冰咖啡」。開啟 Smart 後，僅顯示「Medium 冰咖啡 1 杯」。
*   **使用建議**：雖方便，但建議正式會議記錄仍需目視確認，特別是涉及人數、日期、金額等關鍵數字，以防微妙語氣或含義被過度簡化。

### 三、 核心功能演示：錄音檔案轉錄與話者分離
*   **操作路徑**：選擇「Recording Data」（錄音數據）模式。
*   **功能設定**：
    1.  開啟「Speaker Labels」（話者標籤）。
    2.  開啟「Word Timestamps」（詞彙時間戳記）。
    3.  **注意**：此模式與 Smart Transcription 互斥，無法同時使用。
*   **處理結果**：
    *   數分鐘音頻僅需數秒處理。
    *   自動分配「Speaker 0」、「Speaker 1」等標籤。
    *   標註每段話的開始與結束時間。
    *   準確識別話者切換。
    *   輸出文本可直接複製至「技力フォーモット」（疑點：需查證，可能指特定軟體或格式）作為草稿。
*   **限制條件**：
    *   若同時使用話者分離與時間戳記，錄音檔案最長僅支援 **30 分鐘**（一般模式為 1 小時）。
    *   話者分離穩定支援 3 人，超過 3 人至 8 人屬於實驗階段，建議小於 3 人的會議先進行測試。

### 四、 應用場景與注意事項
*   **適用場景**：
    *   **即時顯示**：行政機關或店鋪窗口，將發言即時顯示於螢幕，協助聽障人士或避免聽誤。Smart 功能可確保螢幕僅顯示最終正確資訊（如修正後的地址）。
    *   **通話記錄**：營業電話或客服支援通話，利用話者分離整理通話日誌，便於後續搜尋特定對話。
    *   **影片字幕**：作為字幕製作的初稿基礎。
*   **隱私與付費建議**：
    *   免費版可能將輸入的音頻數據用於 Google 模型改進。
    *   處理顧客資訊或公司內部會議內容時，建議使用**付費版**。
*   **評估指標**：
    *   **準確度**：非串流模式平均 WER（詞錯誤率）為 2.6%；即時串流模式為 4.0%。
    *   **價格**：錄音數據約 1 分鐘 0.5 日圓左右。
    *   **適用性警告**：
        *   Smart 功能會刪除修正過程，不適合需要完整語境記錄的正式場合（如法律、醫療記錄）。
        *   若需完整記錄，應使用傳統模式或專用工具。
        *   若需快速產出草稿，Gemini 3.5 Transcribe 具優勢。

### 五、 總結與資源獲取
*   **三大重點回顧**：
    1.  具備自動修正說錯內容的 Smart Transcription 功能。
    2.  錄音檔案可快速完成話者分離與時間戳記轉錄。
    3.  因 Smart 功能會丟失修正過程，正式記錄需依用途選擇模式。
*   **建議行動**：上傳近期會議錄音至 Google AI Studio 進行測試。
*   **額外資源**：透過影片描述欄的「公式 LINE」（官方 LINE）發送「使いこなしの書」（使用指南），可免費獲取 4 份資料：
    1.  凡人超越天才的 AI 活用術。
    2.  超時短生成 AI x EXEL（疑點：應指 Excel）。
    3.  AI x 設計製作進程：設計 AI 強化書。
    4.  Codex 入門指南。

## 工具 / 模型 / 名詞整理

*   **Gemini 3.5 Transcribe**：Google 推出的音聲轉文字 AI 模型。
*   **Gemini 3.5**：提及的模型版本。
*   **Google AI Studio**：操作介面平台。
*   **Google**：開發公司。
*   **Android**：支援作業系統。
*   **Mac**：支援作業系統。
*   **Chrome**：支援瀏覽器。
*   **Public Preview**：產品發布階段。
*   **Chap 3**：提及的前代模型對比（疑點：需查證具體模型名稱）。
*   **ノートブックレム / ジェメニノートブック**：提及的相關工具名稱（疑點：聽寫可能為 NotebookLM 或 Gemini Notebook 相關產品）。
*   **Gード**：Android 端應用名稱（疑點：需查證）。
*   **ジミニアアプリ**：Mac 端應用名稱（疑點：應指 Gemini App）。
*   **アンチグラビティ**：開發者功能名稱（疑點：需查證）。
*   **技力フォーモット**：輸出文本可貼上的軟體/格式（疑點：需查證）。
*   **公式 LINE**：獲取額外資源的管道。
*   **EXEL**：提及的軟體（疑點：應指 Excel）。
*   **Codex**：提及的相關工具/模型。

## 操作流程整理

### 即時轉錄流程
1.  進入 Google AI Studio。
2.  選擇模型，選擇「Speech to Text」相關模型。
3.  選擇「Gemini 3.5 Transcribe」。
4.  選擇「Live」（即時）模式。
5.  設定主要語言為日語（Japanese）。
6.  決定是否開啟「Smart Transcription」（預設關閉）。
    *   若開啟：AI 將自動整理修正內容，僅顯示最終結論。
    *   若關閉：保留完整說話過程與修正軌跡。

### 錄音檔案轉錄流程
1.  進入 Google AI Studio。
2.  選擇「Recording Data」（錄音數據）模式。
3.  上傳音頻檔案。
4.  開啟「Speaker Labels」（話者標籤）。
5.  開啟「Word Timestamps」（詞彙時間戳記）。
    *   *注意：此模式與 Smart Transcription 互斥，無法同時使用。*
6.  等待處理（數分鐘音頻僅需數秒）。
7.  複製輸出文本至目標軟體（如「技力フォーモット」）。

## 值得注意的限制或風險

1.  **功能互斥**：Smart Transcription 功能與話者分離/時間戳記無法同時使用。
2.  **時長限制**：若同時使用話者分離與時間戳記，錄音檔案最長僅支援 30 分鐘（一般模式為 1 小時）。
3.  **話者分離人數**：話者分離穩定支援 3 人，超過 3 人至 8 人屬於實驗階段，建議小於 3 人的會議先進行測試。
4.  **Smart 功能風險**：Smart 功能會刪除修正過程，不適合需要完整語境記錄的正式場合（如法律、醫療記錄）。若需完整記錄，應使用傳統模式或專用工具。
5.  **隱私問題**：免費版可能將輸入的音頻數據用於 Google 模型改進。處理顧客資訊或公司內部會議內容時，建議使用付費版。
6.  **準確度波動**：非串流模式平均 WER（詞錯誤率）為 2.6%；即時串流模式為 4.0%。
7.  **價格**：錄音數據約 1 分鐘 0.5 日圓左右。

## 逐字稿辨識疑點

*   **Gード**：原文為「AndroidのGード」，疑為聽寫錯誤，可能指 Google 某個特定應用或服務。
*   **ジミニアアプリ**：原文為「Mac版のジミニアアプリ」，疑為「Gemini アプリ」的聽寫錯誤。
*   **アンチグラビティ**：原文為「GoogleAISTやアンチグラビティ」といった開発者向け機能，疑為特定開發者功能名稱，需查證。
*   **Chap 3**：原文為「全世代モデルのチャープ3と比べて」，疑為前代模型名稱，需查證。
*   **ノートブックレム / ジェメニノートブック**：原文交替出現，疑為 NotebookLM 或 Gemini 相關筆記功能的聽寫。
*   **技力フォーモット**：原文為「技力フォーモットに貼り付ける」，疑為特定軟體名稱或格式，需查證。
*   **EXEL**：原文為「AIかけるexel」，疑為「Excel」的聽寫錯誤。
*   **疑似録 / 疑似力**：全文多次出現「会議の疑似録」，疑為「會議記錄（議事録）」的聽寫錯誤。
*   **車名 / 車分離 / 車内**：文中多次將「固有名詞」或「話者分離」聽寫為「車名」或「車分離」，疑為聽寫錯誤。
*   **W。**：原文為「平均W。」，疑為「WER」（Word Error Rate）的聽寫截斷。
*   **不気**：原文為「不気だというところ」，疑為「不適」的聽寫錯誤。
*   **平洋**：原文為「専用ツールとの平洋」，疑為「併用」的聽寫錯誤。
*   **使いこなしの書**：獲取資源時使用的關鍵字，疑為「使用指南」或類似名稱的日文直譯或特定稱呼。

## 可延伸追問

1.  「Gード」、「ジミニアアプリ」、「アンチグラビティ」、「技力フォーモット」等聽寫錯誤的正確名稱為何？
2.  「Chap 3」所指的前代模型具體名稱為何？
3.  「ノートブックレム / ジェメニノートブック」具體指代何種 Google 產品？
4.  付費版與免費版在數據隱私處理上的具體差異條款為何？
5.  超過 8 人的話者分離實驗階段具體表現如何？