关于 Google AI 的报道
共 1 篇相关报道
谷歌AI发布Gemini 3.5 Transcribe：一个报告85多种语言平均WER 2.6%的语音转文本模型
Google AI Releases Gemini 3.5 Transcribe: A Speech-to-Text Model Reporting 2.6% Average WER Across 85+ Languages
AI 洞察谷歌AI发布了Gemini 3.5 Transcribe，一个语音转文本模型，该模型报告在85多种语言中平均WER 2.6%。该模型分为两个端点：流式端点和批处理端点。流式端点提供亚秒级的转录，但不支持语者识别和单词时间戳。批处理端点支持这两个功能，但成本是流式端点的一半。谷歌报告称，流式端点的WER为4.0%，非流式端点的WER为2.6%，比Chirp 3快70%。谷歌AI发布了Gemini 3.5 Transcribe，一个支持85多种语言的语音转文本模型。Gemini 3.5 Transcribe的发布意味着谷歌AI在语音转文本领域取得了重大突破，尤其是在多语言支持方面。该模型的低WER和高效转录速度将有助于改善语音助手和转录管道的性能。- 开发者将获得更好的语音转文本模型，能够支持多种语言。
接下来，我们可以期待谷歌AI在语音转文本领域的进一步创新和改进，特别是在多语言支持和模型效率方面。重要度 85/100