Google представила Gemini 3.5 Transcribe — нову функцію транскрибації мовлення, яка найближчим часом з'явиться у браузері Chrome. За словами компанії, йдеться про якісну розшифровку голосу, вбудовану безпосередньо в браузер, без потреби підключати сторонні сервіси розпізнавання мовлення.

На перший погляд це виглядає як рядкова оновка серед десятків AI-фіч, які Google щомісяця додає в Chrome. Але для розробників голосових інтерфейсів це радше зміна дефолту: транскрипція перестає бути окремим кроком інтеграції і стає системною можливістю браузера, як переклад сторінки чи автозаповнення форм.

За даними ITC.ua, точної дати релізу компанія поки не назвала — функція описана як така, що з'явиться «найближчим часом».

Що саме анонсувала Google?

Йдеться про Gemini 3.5 Transcribe — модель транскрибації на базі лінійки Gemini 3.5, яку Google планує вбудувати в Chrome як нативну функцію. Це продовження стратегії, яку компанія веде вже кілька років: Chrome поступово обростає вбудованими AI-можливостями — перекладом сторінок, підсумовуванням тексту, а тепер і розпізнаванням мовлення — без встановлення розширень чи виклику зовнішніх API. Ця транскрипція приєднується до вже наявної лінійки вбудованих Chrome AI API — Translator, Summarizer, Prompt API, — які Google випускає поступово з 2024 року.

Формально Chrome і раніше вмів розпізнавати мовлення через Web Speech API, але якість цього інструмента історично поступалася спеціалізованим сервісам на кшталт Whisper від OpenAI чи Deepgram. Заміна цього шару на модель рівня Gemini 3.5 — це підвищення якості «з коробки», а не новий API як такий.

Чому це важливо саме для розробників голосових продуктів?

Сьогодні будь-який застосунок із голосовим вводом — від нотаток до колцентрів — змушений або підключати платний STT-сервіс, або миритися зі слабкою вбудованою розшифровкою браузера. Якщо Gemini 3.5 Transcribe дійсно дає якість рівня хмарних API прямо в Chrome, це знімає один із класичних бар'єрів для MVP: не треба заводити окремий рахунок у постачальника транскрибації, щоб перевірити гіпотезу голосового інтерфейсу. Ймовірно, це особливо відчутно для невеликих команд і соло-розробників, для яких вартість підключення стороннього STT на етапі валідації ідеї часто переважувала потенційну цінність фічі — тепер поріг цього першого експерименту стає нижчим.

Що з цим робити прямо зараз?

Найпростіший крок — не поспішати переписувати існуючу голосову інтеграцію, а закласти в roadmap перевірку якості Gemini 3.5 Transcribe одразу після релізу в Chrome. Для команд, які лише проєктують voice-first фічу, розумно тримати абстракцію над шаром транскрибації, щоб мати змогу протестувати вбудовану опцію браузера паралельно з наявним постачальником і порівняти точність, затримку та вартість.

Варто також пам'ятати про межі рішення: функція прив'язана до Chrome, тож продукти, орієнтовані на Safari, Firefox чи мобільні WebView, і надалі потребуватимуть окремого STT-рішення. Ймовірно, це радше доповнення до існуючого стеку інструментів, ніж повна заміна спеціалізованих сервісів транскрибації.

Висновок AiiN

Наша теза проста: коли якісна транскрипція стає стандартною функцією браузера, а не платною послугою, поріг входу в голосові інтерфейси падає для всіх — від соло-розробників до великих продуктових команд. Це не революція в розпізнаванні мовлення, а усунення інфраструктурного тертя, яке досі стримувало експерименти з голосом там, де раніше досить було тексту.

Для AI-білдерів практичний висновок такий: варто вже зараз спроєктувати голосові фічі так, щоб шар транскрибації можна було підмінити без переписування бізнес-логіки — незалежно від того, чи виграє в довгостроковій перспективі вбудований інструмент Chrome, чи спеціалізований API. Схожий рух у бік вбудованих AI-можливостей прямо в інструмент, яким ви вже користуєтесь, ми бачили й у переході Claude Cowork на власний браузер без розширень Chrome — платформи все частіше забирають AI-функціональність усередину, а не залишають її окремим шаром інтеграцій.

Чи буде Gemini 3.5 Transcribe безкоштовною?

Google поки не розкрила деталі щодо ціноутворення чи умов доступу до функції в Chrome. До офіційного релізу орієнтуватися варто на те, що це стандартна функція браузера, а не окремий платний продукт, хоча остаточні умови компанія ще не оголосила.

Чи замінить це сторонні сервіси транскрибації на кшталт Whisper?

Малоймовірно, що повністю замінить — надто різні сценарії використання. Gemini 3.5 Transcribe орієнтована на браузерний контекст Chrome, тоді як спеціалізовані API типу Whisper чи Deepgram лишаються потрібними для серверної обробки, мобільних застосунків і продуктів поза екосистемою Chrome.