北京
Google推出新一代音频模型
Google公布了一款新的AI音频模型，公司称它在语音识别和转录方面有改进。Gemini 3.5 Transcribe加入了Gemini Audio家族，与Gemini 3.5 Live和Gemini 3.5 Live Experimental并列。
按照Google的说法，Gemini 3.5 Transcribe比早期模型更擅长语音转文字，精度更高，还能自动检测超过85种语言。它可以把用户无结构的口语整理成格式化文本。
语音指令编辑与语气词清理
用户可以用语音命令进行编辑，模型也会在转录时移除语气词。Google在社交平台上列出的能力包括：顺畅处理自我纠正、去除语气词以输出干净的格式化文本、理解自然意图和说话风格，以及准确捕捉音频。
Google还表示，这个模型可以学习自定义词汇和特殊拼写，擅长捕捉订单号、邮政编码这类字母数字字符串。公司称Gemini 3.5 Transcribe能够基于预录音频把语音归属到最多三位说话人，并提供词级时间戳。这对转录播客之类的场景可能有用。
落地场景与平台接入
Gemini 3.5 Transcribe为Android设备上的Rambler功能提供支持，包括Pixel 11系列手机，也支持macOS上的Gemini应用。在macOS上，它可以与其他Gemini模型配合执行智能体任务。
Google提到，用户很快就能在Chrome网页的任意字段中使用语音转文字。例如，可以口述回复和帖子，也可以用语音提示Gemini。Gemini 3.5 Transcribe还进入了Google Antigravity这个智能体开发平台，并将陆续接入Search Live、Gemini Live、Docs、Keep和Gmail。开发者可以通过API使用该模型。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
