Gemini 3.5 Transcribe发布，语音转文字副业的机会来了
昨天谷歌发了个新东西，Gemini 3.5 Transcribe，一个专门做语音转文字的模型，我在HN上看到的时候是342分的热帖。说实话一开始我没当回事，转写这个事 Whisper 干了好几年了，还能翻出什么浪花？结果我把官方博客啃完，人有点坐不住了。
这个模型干的事，跟以前的转写不是一回事。以前的Whisper给你的是原始口水话，嗯啊这个那个全在，你拿到手还得自己删口头语、自己分段、自己加标点。3.5 Transcribe直接输出干净格式化好的文本，口头语自动滤掉，你说错话自己纠正它也能听懂，85种语言自动识别，还能分清最多三个说话人，谁说的哪句给你标得明明白白。官方给的数据是流式场景词错率5.5%，录音场景2.6%到4%，什么概念呢，反正比很多人手打快且准。
更骚的是它能连带干活。你在Gemini应用里说完一段话，它可以直接调用别的Gemini模型帮你总结文件、生成图片，语音说一句顶以前打字十分钟。
我看到这的时候就想，这玩意降价提速一拍，最先被冲刷的就业池子里，首当其冲就是靠听打吃饭的人。但反过来看，这也是普通人的机会窗口，工具把门槛砸到地板上的时候，谁先捡起来谁赚钱。
我自己判断，有三个方向现在就能做。
第一个，会议纪要代整理。这是最入门的，中小公司开完会没人愿意整理纪要，这活儿又烦又耗时间。你用3.5 Transcribe把录音丢进去，出来的是带说话人标记的干净文本，再让Gemini顺手总结成行动项，你人工过一遍就能交。一单收50到150，实际动手时间十分钟出头。之前我在那篇讲语音成本跳水的文章里提过音频类服务正在变便宜，现在转写端也补上了，整套语音外包的成本曲线整个往下掉。
第二个，播客和访谈转文案。做播客的人手里攒着几百期音频，想变成公众号文章和文字稿做SEO，但自己没时间弄。你帮他批量转写加润色，一期收100到300。这个方向的关键是润色质量，转写是机器的事，把口水话改成能读的文章是你的事，这层溢价机器暂时抢不走。想系统学怎么把机器稿改成有流量的文章，可以看我之前写的AI写作助手实操教程。
第三个，视频字幕批量制作。短视频和课堂数字化的量摆在那，一条带时间轴的字幕30到80元，你跑通流程后一小时能出十来条。GLM-5.3开放权重那波我在开源模型副业拆解里聊过本地部署路线，现在叠加3.5 Transcribe的字级时间戳，批量字幕的成本能压到几乎只剩电费。
有人可能觉得，模型都这么强了，客户自己不会用吗？会的，但大多数人不折腾。就像复印店开着Word打印五毛一张，一样有人排队。信息差从来不在工具，在谁知道这条路能走通。
工具每升级一次，就有一批人的手艺贬值，也有一批新手的起点抬高。这次轮到语音这块，窗口期就这两三个月，等教程满天飞的时候，价格战就来了。
我把这三个方向的完整操作流程和用到的话术模板，都整理进了项目说明里，感兴趣可以去站内看看。
磨平一些信息差。
