首页
谷歌推出了其最精准的语音转文本模型 Gemini 3.5 Transcribe，现已向开发者和用户开放。该模型在非流式传输场景下实现了 2.6% 的词错误率，在嘈杂环境和涉及复杂术语的场景中表现尤为出色。 其主要功能包括噪声过滤、填充词去除以及多模型任务分派。该模型支持 85 种语言并具备说话人识别功能，可集成到 Android、macOS 和 Chrome 系统中。此次发布与 Gemini 3.7 Flash 及 Waymo 集成共同强化了谷歌的 AI 生态系统，为各类应用提供了强大的语音识别能力。
评论 (0)
0/300
