Спецы из Гугла тихо выкатили ЛУЧШУЮ модель для распознавания речи — Gemini 3.5 Transcribe. Это просто имба:

🔅 Работает с 85+ языками;
🔅 Сама определяет, на каком говорят прямо сейчас;
🔅 Понимает смешанную речь и различает до 8 говорящих;
🔅 Ставит таймкоды, убирает затыки с «э-э» и слова-паразиты;
🔅 По тестам обходит OpenAI, Deepgram и тд.

Это — точнейшая модель для транскрибации речи в текст на сегодня. На её основе уже создают опенсорсные аналоги Wispr Flow для macOS — Jot.

Саму же модель Gemini 3.5 Transcribe пробуем тут.

🙂 Не баг, а фича