Gemini 3.5 Transcribe 完整指南：告别 ASR 转录难题
Google 推出专用于语音转文字的 Gemini 3.5 Transcribe 模型，主打快速、准确且低成本的转录，原生支持说话人分离和词级毫秒时间戳。该模型支持 85+ 种语言自动识别与代码切换，可通过 custom_vocabulary 传入最多 1,000 个领域术语避免专有名词拼写错误，并提供 Smart Transcription 与 Verbatim 两种模式。
语音与音频 大事记
重要进展 IMPORTANT_PROGRESS
2026-08-13 — 2026-08-13
重要进展 · 第 1 / 13 页
小红书开源连续自回归语音合成模型 dots.tts：打造可持续扩展的 TTS 基座
AIHOT事件 ↗原始外链未提供
语音与音频 精选历史资讯
— · 2 条
精选资讯 · 第 1 / 1 页
Gemini 3.5 Transcribe 发布：面向实时语音交互的高精度语音转文本模型
Google DeepMind 推出 Gemini 3.5 Transcribe 语音转文本模型，支持流式与非流式两种 API。据 Artificial Analysis 评测，其流式与非流式平均词错率分别为 4.0% 和 2.6%，支持超 85 种语言、自定义词汇及最多三人说话人识别。
分类
排序
暂无内容