MENITNEWS.CO.ID, JAKARTA – Teknologi pengenal suara resmi memasuki babak baru lewat inovasi paling gres dari Google. Raksasa teknologi ini resmi mengumumkan Gemini 3.5 Transcribe, sebuah model kecerdasan buatan (artificial intelligence/AI) terbaru yang dirancang khusus untuk mengubah rekaman suara menjadi format teks yang rapi, terstruktur, dan siap baca pada Rabu (26/8/2026).
Langkah ini menandai pembaruan signifikan dibanding teknologi pengenal suara konvensional yang kerap menyalin ucapan secara mentah. Gemini 3.5 Transcribe dibekali kemampuan canggih untuk membuang kata-kata pengisi seperti “um” dan “ah”, menangkap koreksi di tengah kalimat, hingga menyematkan tanda baca serta format kalimat secara otomatis dengan latensi rendah.
Sebagai bagian dari lini Gemini Audio, Gemini 3.5 Transcribe difokuskan untuk menangani percakapan alami manusia yang kerap diwarnai pengulangan, jeda spontan, perubahan struktur kalimat, penggunaan istilah spesifik, hingga gangguan suara latar. Tim Gemini Audio Google menegaskan bahwa inovasi ini merupakan model speech-to-text paling presisi yang pernah mereka kembangkan untuk interaksi suara cerdas.
Baca juga: Lompati Tren Global, Apple Siapkan Peluncuran iPhone Lipat Pertama pada September
Keunggulan utama model ini terletak pada mode transkripsi pintar. Sistem tidak sekadar mengonversi gelombang suara menjadi deretan kata, melainkan turut membersihkan disfluensi dan pengulangan ucapan. Teks yang dihasilkan langsung dilengkapi kapitalisasi serta tanda baca yang tepat. Ketika seseorang mengucapkan kalimat berwujud kekeliruan seperti “Jadwal rapat Selasa—tidak, Rabu,” sistem dapat langsung mengenali koreksi tersebut dan memproses kalimat akhir tanpa menyertakan ucapan yang telah dibatalkan.
Kemampuan otomatis dalam menghapus kata pengisi menjadi poin krusial yang sangat menunjang efisiensi pengolahan rekaman wawancara, rapat kerja, materi perkuliahan, memo suara, podcast, hingga layanan pelanggan. Tak hanya itu, pengembang juga diberi keleluasaan mengunggah hingga 1.000 frasa kosakata khusus—termasuk istilah teknis, nama orang, singkatan, ejaan khusus, maupun istilah medis—agar akurasi transkripsi tetap terjaga sesuai konteks.
Baca juga: Makassar Resmi Jadi Salah Satu dari 10 Hub Garuda Spark Innovation Hub 2026
Model AI ini turut dilengkapi fitur penanda waktu hingga tingkat kata dan modul pembeda pembicara (diarization) yang mampu mengenali hingga delapan orang sekaligus dalam satu rekaman, meski atribusi untuk tiga pembicara atau lebih masih berstatus eksperimental.
Dari sisi cakupan bahasa, Gemini 3.5 Transcribe mampu mendeteksi serta mentranskripsikan lebih dari 85 bahasa secara otomatis. Bahasa Indonesia (id-ID) dipastikan masuk dalam daftar dukungan resmi bersama Bahasa Jawa, Inggris, Melayu, Jepang, Korea, dan puluhan bahasa daerah maupun internasional lainnya. Menariknya, kecerdasan buatan ini juga lihai menangani code-switching atau fenomena percampuran bahasa di tengah percakapan, hal yang kerap dilakukan pengguna di Indonesia saat menggabungkan Bahasa Indonesia dengan istilah Inggris.
Berdasarkan pengujian kependudukan data dari Artificial Analysis, tingkat kesalahan kata (Word Error Rate) Gemini 3.5 Transcribe menembus angka yang sangat rendah, yakni 4 persen untuk mode streaming dan 2,6 persen untuk pemrosesan non-streaming. Jika dibandingkan dengan model generasi sebelumnya, Chirp 3, proses produksi transkripsi akhir pada Gemini 3.5 Transcribe diklaim 70 persen lebih cepat.
Baca juga: Pasar Tablet Indonesia 2026 Kian Beragam, Dari Kelas Rp1 Jutaan Hingga Edisi Spesial Rp60 Juta
Google menyediakan model ini melalui dua jalur akses utama. Varian gemini-3.5-transcribe-live disiapkan khusus untuk kebutuhan transkripsi langsung dengan waktu respons di bawah satu detik. Sementara varian gemini-3.5-transcribe difungsikan untuk pemrosesan berkas rekaman.
Melalui Gemini API, pengguna dapat mengunggah berkas audio dengan durasi maksimal satu jam per permintaan. Durasi pemrosesan dibatasi menjadi 30 menit apabila pembeda pembicara atau penanda waktu tingkat kata diaktifkan, serta batasan 10 menit untuk tiap sesi streaming. Saat ini, pratinjau publik bagi pengembang telah dibuka lewat Gemini API di Google AI Studio, Google Antigravity, dan Gemini Enterprise Agent Platform.
Untuk ketersediaan bagi pengguna umum, integrasi fitur disalurkan secara bertahap. Fitur ini mulai hadir pada aplikasi Gemini di macOS untuk penggunaan bahasa Inggris serta fitur Rambler pada Gboard Android di kawasan dan bahasa tertentu. Rambler memberi kebebasan pengguna untuk mendiktekan ide, mengedit salah eja, mengubah gaya tulisan, hingga merapikan teks menggunakan input suara. Google juga berencana memboyong dukungan serupa ke peramban Chrome agar pengguna bisa mengetik lewat suara di kolom teks situs web.
Meskipun Bahasa Indonesia telah didukung secara sistemis oleh model utama, Google belum menyatakan ketersediaan fitur tingkat konsumen ini secara menyeluruh bagi pengguna umum di Indonesia. Pengguna diimbau untuk terus memeriksa pembaruan aplikasi dan ketersediaan sistem pada perangkat masing-masing.
Baca juga: Mengenal Android Pulse, Aplikasi Misterius Google untuk Lacak Gangguan Sistem
Di balik segala kepraktisannya, penggunaan transkripsi berbasis kecerdasan buatan tetap memerlukan tinjauan ulang manusia secara cermat. Verifikasi mandiri sangat krusial dilakukan terutama pada penulisan nama orang, angka, istilah hukum, dokumen medis, atau pernyataan resmi yang ditujukan untuk publikasi.
Fitur pembersihan otomatis juga berpotensi mengikis nuansa alami percakapan jika diterapkan pada dokumen yang membutuhkan transkrip murni (verbatim). Untuk pemakaian jurnalistik, penelitian ilmiah, atau proses hukum yang mengikat, pengguna disarankan tetap menyimpan rekaman audio asli dan melakukan pencocokan silang sebelum teks difinalisasi.
Hadirnya Gemini 3.5 Transcribe mempertegas pergeseran arah layanan transkripsi modern, dari yang sekadar alat pemindah suara mekanis menjadi sistem kecerdasan terpadu yang mampu memahami konteks, merapikan tata bahasa, serta menyajikan teks berkualitas tinggi secara instan. (*)
