Google 推出了 Gemini 3.5 Transcribe,這是該公司最精準的語音轉文字模型,現已向開發者和使用者開放。該模型在非串流情境下可達到 2.6% 的字元錯誤率,在嘈雜環境及處理複雜術語時表現尤為出色。 主要功能包括噪音過濾、填充詞去除,以及多模型任務委派。該模型支援 85 種語言並具備說話者識別功能,可整合至 Android、macOS 及 Chrome 平台。此次發布結合 Gemini 3.7 Flash 及 Waymo 整合方案,進一步強化了 Google 的 AI 生態系統,為各類應用提供強大的語音辨識能力。
評論 (0)
0/300





首頁
