谷歌最新语音转文本模型 Gemini 3.5 Transcribe

谷歌近日宣布推出其 Gemini 家族语音转文字模型的最新版本 ------ Gemini 3.5 Transcribe。这家搜索巨头表示,这是该系列迄今为止精度最高的语音识别模型。

新模型在处理背景噪音和复杂专业术语方面表现更为出色。谷歌指出,得益于这一新模型,macOS 端 Gemini 应用以及 Android 端 Gboard 键盘的 Rambler 功能均已实现性能提升。同时,开发者也可利用该模型打造语音智能体、实时字幕工具或通话后分析系统。

谷歌在博客中写道:"Gemini 3.5 Transcribe 旨在捕捉用户的自然说话风格,从而更好地理解用户意图并识别自定义词汇,让用户能够通过语音高效执行各类任务。"

这款全新的 AI 模型还配备了一系列提升输出质量的新功能。首先,它具备自我纠错能力,能够自动去除口语中的填充词(如"嗯"、"啊"),并实现文本的自动排版。此外,它还能将文件分析、图像生成等复杂任务无缝委派给其他 Gemini 模型处理。

据谷歌介绍,Gemini 3.5 Transcribe 提供了更精准的转录服务,在流式传输和非流式传输场景下的平均词错率(WER)分别仅为 4.0% 和 2.6%。在嘈杂环境中,该模型依然能保持出色的识别效果,并能准确捕捉订单号、邮政编码等字母数字混合实体。

目前,Gemini 3.5 Transcribe 支持 85 种语言,并兼容多种地区口音与方言。在处理预录音频时,它最多可为三位说话人进行语音分离并添加时间戳;同时,模型支持用户自定义专属词汇表,能够精准识别特定领域的专业术语及特殊拼写。

在可用性方面,谷歌表示开发者现已可通过 Google AI Studio 和 Google Antigravity 在 Gemini API 中公开预览 Gemini 3.5 Transcribe。普通用户则可在 Android 和 macOS 平台上进行体验。此外,该模型即将登陆 Google Chrome 浏览器,届时用户可在任意网页输入框中实现"语音输入"。

除了语音识别模型,谷歌在 Gemini 领域近期动作频频。公司刚刚发布了 Gemini 3.7 Flash 模型,正式加入 AI 价格战。同时,面向美国用户的 Android 版 Chrome 浏览器已全面上线 Gemini 功能,该 AI 助手也被集成到了 Waymo 的最新无人驾驶出租车中。

最后,对于有人声音频分离需求的用户,也可以通过简鹿人声分离来使用 AI 模型轻松从音频中分离人声或伴奏,它支持 Windows 和 macOS 系统,是制作音乐处理音频的好帮手。

相关推荐
stormzhangV5 小时前
Google 重返第一梯队
人工智能·google·aigc
一缕82年的清风4 天前
告别手动搬砖!我是如何搭出一套“AI 全自动自媒体运营系统”,每天 10 分钟铺满 7 大平台的?
chatgpt·claude·gemini
一缕82年的清风6 天前
再见 Flash!Google 突发 Gemini 4 Hydrogen(氢):和“碳基大脑”打配合的极速工兵有多猛?
gemini
云卷云舒___________7 天前
突发:Gemini 4 Hydrogen内测,Grok 4.8推送,Qwen Code 1.0开源,格局一夜生变 | AI日报11.12
google·qwen·grok·gemini·xai·ai日报·qwencode
沉默王二7 天前
Gemini 4 Carbon 正式开放,正面硬刚 Fable 5.2。
ai编程·gemini·vibecoding
一缕82年的清风8 天前
Claude Code 跑 DeepSeek 还带自动切号?开源 Magpie 彻底把大厂的协议护城河给拆了!
chatgpt·claude·gemini
云卷云舒___________8 天前
突发:Gemini 4 Hydrogen现身,美团开源LongCat-2.5,Meta Muse Ember追平Haiku 5.5 | 11月10日 AI日报
meta·美团·gemini·开源模型·ai日报·longcat·haiku
一缕82年的清风10 天前
没买显卡,我用 Google Colab 免费跑通了 AI 生图:从零部署 Z-Image Turbo
gpt·claude·gemini
死磕音视频15 天前
Gemini Notebook 入门:把公开 YouTube 教程变成可提问的学习笔记
学习笔记·youtube·gemini·notebooklm
一缕82年的清风16 天前
智能体“自适应慢思考”的算力黑洞:当 Claude 5.5 与 GPT-6.1 Sol 陷入推理自旋,为什么高并发架构必须重构“认知预算熔断与快慢推测执行”?
gpt·claude·gemini