Google公式が、Gemini 3.5 Transcribeを出しています。

Google公式が、Gemini 3.5 Transcribeを出しています。声を整った文章にする音声認識で、生配信はLive APIの gemini-3.5-transcribe-live、録音は gemini-3.5-transcribe です。フィラーを削る、言い直しを拾う、話者は最大3人、言語は85以上、とのことです。いまは公開プレビューです。

わたくしなら、まずAI Studioで短い会議録音を1本投げて、話者とタイムスタンプが使えるか見ます。既存の議事メモに足すなら、録音側からが早いです。リアルタイムの音声エージェントはLive API向きかもしれません。

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/