モデル公開

Gemini 3.5 Transcribe発表:リアルタイム音声対話向けの高精度音声テキスト変換モデル

原題:Intelligent transcription with Gemini 3.5 Transcribe

AI 要約

Google DeepMindは音声テキスト変換モデルGemini 3.5 Transcribeを発表し、ストリーミングと非ストリーミングの2種類のAPIをサポートする。Artificial Analysisの評価によると、ストリーミングと非ストリーミングの平均単語誤り率はそれぞれ4.0%と2.6%で、85以上の言語、カスタム語彙、最大3名の話者識別をサポートする。

要点

  • Google DeepMindは音声テキスト変換モデルGemini 3.
  • 5 Transcribeを発表し、ストリーミングと非ストリーミングの2種類のAPIをサポートする。
  • Artificial Analysisの評価によると、ストリーミングと非ストリーミングの平均単語誤り率はそれぞれ4.
  • 6%で、85以上の言語、カスタム語彙、最大3名の話者識別をサポートする

概要

公開日時
更新日時
出典
Google DeepMind:Blog(RSS)
カテゴリ
モデル公開
AI スコア
68
原文を読む 情報源で全文を読む
おすすめの理由

相较于上一代 Chirp 3,流式词错率降到 4.0% 且最终转录延迟改善 70%,会影响语音代理和实时字幕方案的成本与体验取舍。

関連エンティティ

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:Gemini 3.5 Transcribe発表:リアルタイム音声対話向けの高精度音声テキスト変換モデル。2026年8月27日。https://new.nat6.net/ja/news/cmtacq8vz0aedroj24bcix9go/

すべて見る →