跳到正文
10月7日周三
9月3日周四
8月27日周四
  1. Google DeepMind70

    Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文本模型

    Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe,主打实时转写与智能语音交互,提供实时流式(Live API)和预录音频(Interactions API)两种接入方式。

    推荐理由:给出了 WER、延迟改善幅度和多语言覆盖等具体基准,并区分了实时与预录两种接入方式,便于评估在语音产品中的替换价值。