2. Linux.do
  3. 谷歌发布语音转文本模型Gemini 3.5 Transcribe

谷歌发布语音转文本模型Gemini 3.5 Transcribe

Dannniel 2026-08-27 01:13 1



看了官方的demo


有几个亮点：



  1. 在噪音环境中可以比较准确的识别文字

  2. 多语言转写可以无缝切换，支持85种语言

  3. 对复杂的电话号码，邮政编码和订单号识别的更准

  4. 自动去掉语气词，并将文本添加标点和格式（？）

  5. 支持自定义词汇表


又一堆startup要死了？

最新回复 (10)
  • Adeir 08-27 01:14
    1楼

    谷歌除了3.5pro什么模型都发 ^-^

  • 🌟𝗦̘̚𝘂̘̚𝗽̘̚𝗲̘̚𝗿̘̚𝗻̘̚𝗼̘̚𝘃̘̚𝗮̘̚ 08-27 01:14
    2楼

    speech to text是语音转文本吧，好像写反了




  • aionfatedio 08-27 01:14
    3楼

    有没有佬测测新模型怎么样，ASMR使用场景，一直在用whisper的社区特化版本

  • 路人A 08-27 01:16
    4楼

    试了预录版，效果一般差不多等于Soniox吧，能排前游但没新突破，Live没测

  • Swiftlance 08-27 01:16
    5楼

    瞌睡到了送枕头。这几天正在寻找和对比听写模型。

  • duckgun 08-27 01:17
    6楼

    天天整这些花里胡哨的，也不赶紧把自家大模型训练好点

  • Dannniel 楼主 08-27 01:17
    7楼

    确实一不注意写反了，谢谢佬，我改下post

  • Mozi 08-27 01:20
    8楼

    终于有专门的语音识别模型了

    不用把通用模型改成语音识别了

  • 無光 08-27 01:26
    9楼

    已经上线studio了，还可以啊

  • fablia 08-27 01:53
    10楼

    终于有多语言混合转录的了

    之前直接用Gemini效果就很好，但是音频一长就开始幻觉

    来试试这个

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐