Gemini 3.5 Transcribe réécrit la parole avant de la livrer en texte
— AUDIOVISUEL
Google lance un modèle de transcription qui corrige les hésitations, les reprises et la ponctuation en même temps qu'il retranscrit. Un mode verbatim reste disponible pour les usages où chaque mot prononcé compte.
Dérusher une interview de quarante minutes pour n'en garder que les phrases utiles prend du temps, et ce temps se facture rarement au client. Gemini 3.5 Transcribe promet de livrer directement un texte nettoyé des euh, des reprises et des phrases abandonnées en cours de route, ponctué et mis en forme sans intervention humaine.
Le monteur documentaire ou le producteur de podcast qui dérushe des entretiens tient là un premier tri automatisé. Une phrase comme rendez-vous mardi non mercredi ressort directement corrigée, prête à coller dans un script ou une timeline de sous-titres. Pour une émission avec plusieurs voix, l'outil identifie jusqu'à huit intervenants et leur attribue une étiquette, ce qui évite de recompter qui parle à quel moment sur une bande son brute.
Un mode verbatim subsiste pour les cas où la formulation exacte prime, une interview publiée telle quelle ou un document destiné à un usage juridique. Cette coexistence des deux modes révèle la vraie tension du produit : le texte lisible et le texte fidèle ne sont plus la même chose, et le choix entre les deux devient une décision éditoriale à prendre avant même de lancer la transcription, pas après.
Google annonce un délai de traitement réduit de 70 % par rapport à son précédent modèle de reconnaissance vocale, un chiffre qui parle davantage en heures de montage économisées qu'en pourcentage d'erreur. Reste que ce gain de vitesse s'accompagne d'une reformulation automatique du discours original, invisible tant que personne ne va comparer la version nettoyée à l'enregistrement source.
Pour un studio qui produit des sous-titres en volume ou des comptes rendus de réunion client, la promesse tient déjà la route sur le papier. Pour tout ce qui touche à la parole d'un intervenant filmé et diffusée telle quelle, mieux vaut garder le mode verbatim en réflexe par défaut, quitte à nettoyer soi-même ensuite.