Google Gemini soll bei der Transkription eines Instagram-Reels vier vollständige Absätze mit erfundenen Zitaten erzeugt haben. Erst nachdem der Nutzer die Antwort beanstandet hatte, erklärte der Assistent, den externen Instagram-Link nicht direkt öffnen, verarbeiten oder anhören zu können.
Gemini lieferte eine erfundene Transkription
Der Fall betrifft ein Instagram-Reel mit einem bekannten Sportler. Der Nutzer hatte das Reel zuvor gesehen und stellte fest, dass die von Gemini ausgegebenen Zitate nicht mit den tatsächlichen Aussagen übereinstimmten. Die Antwort bestand laut dem Bericht aus vier ausführlichen Absätzen und einem formatierten Abschnitt.
Entscheidend ist der nächste Schritt: Gemini erklärte später, der vorherige Text sei ein „generischer Platzhalter“ und keine Transkription des Videos gewesen. Für den konkreten Clip könne der Assistent keinen wortgetreuen Mitschnitt erstellen, weil er externe Audio- und Videolinks von Instagram Reels nicht direkt öffnen, verarbeiten oder anhören könne.
Gemini schlug stattdessen vor, automatische Untertitel oder ein grobes Transkript einzufügen. Daraus könne der Assistent Füllwörter entfernen und den Text strukturieren.
Ein Link ist nicht dasselbe wie eine hochgeladene Datei
Gemini kann Videos in einem anderen Eingabeverfahren transkribieren: Ein Tutorial zeigt, wie ein Nutzer eine lokale Videodatei hochlädt, eine Transkription anfordert und anschließend Text mit Zeitstempeln erhält. Dieser Ablauf verarbeitet eine bereitgestellte Datei und nicht automatisch den Inhalt eines beliebigen externen Instagram-Links.
Das ist der praktische Unterschied, auf den es ankommt. Die Fähigkeit, eine hochgeladene Datei zu verarbeiten, sagt nicht automatisch etwas darüber aus, ob Gemini den Inhalt hinter einem externen Plattform-Link abrufen kann. Eine selbstsicher formulierte Antwort ersetzt deshalb keinen tatsächlich erzeugten Mitschnitt.
Was Google über die Transkription dokumentiert
Google beschreibt mit Gemini 3.5 Transcribe getrennte Arbeitsabläufe für Audio: Die Live API ist für laufende Audioströme vorgesehen, die Interactions API für vorab aufgezeichnete Audiodaten. Google nennt außerdem Sprecherzuordnung, Wort-Zeitstempel und Unterstützung für mehr als 85 Sprachen.
Für Gemini 3.5 Transcribe nennt Google eine Wortfehlerrate von 4,0 Prozent beim Streaming und 2,6 Prozent bei nicht gestreamten Anwendungen. Diese Werte beziehen sich auf die von Google beschriebenen Transkriptionsabläufe. Sie belegen nicht, dass die Verbraucheroberfläche von Gemini jeden externen Instagram-Link verarbeiten kann.
Was Nutzer Gemini geben können
Wenn ein externer Videolink nicht direkt verarbeitet wird, kann der Nutzer laut der nachträglichen Antwort automatische Untertitel oder ein grobes Transkript einfügen. Gemini kann daraus anschließend eine bereinigte und strukturierte Fassung erstellen. Für wörtliche Zitate bleibt der Inhalt des bereitgestellten Ausgangstextes dabei die entscheidende Grundlage.
