Gemini 3.5 Transcribe 发布:面向实时语音交互的高精度语音转文本模型
原文标题:Intelligent transcription with Gemini 3.5 Transcribe
AI 摘要
Google DeepMind 推出 Gemini 3.5 Transcribe 语音转文本模型,支持流式与非流式两种 API。据 Artificial Analysis 评测,其流式与非流式平均词错率分别为 4.0% 和 2.6%,支持超 85 种语言、自定义词汇及最多三人说话人识别。
关键信息
- Google DeepMind 推出 Gemini 3.
- 5 Transcribe 语音转文本模型,支持流式与非流式两种 API。
- 据 Artificial Analysis 评测,其流式与非流式平均词错率分别为 4.
- 6%,支持超 85 种语言、自定义词汇及最多三人说话人识别
- 相较于上一代 Chirp 3,流式词错率降到 4.
速览
- 发布时间
- 更新时间
- 分类
- 模型发布
- AI 评分
- 68
推荐理由
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。
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:Gemini 3.5 Transcribe 发布:面向实时语音交互的高精度语音转文本模型。2026年8月27日。https://new.nat6.net/news/cmtacq8vz0aedroj24bcix9go/