Gemini 3.5 Transcribe语音转文本模型发布 谷歌AI自动删口头禅

Gemini 3.5 Transcribe语音转文本模型发布 谷歌AI自动删口头禅

  • 承接源码二开、定制
  • 各种脚本CMS插件定制
  • 全站源码免费下载

Gemini 3.5 Transcribe谷歌DeepMind官网截图

Gemini 3.5 Transcribe 是谷歌发布的一款语音转文本 AI 模型,版本号 v3.5.0,能够自动删除口语中的嗯和呃等口头禅,并实时修正说错的句子。

该模型目前支持 85 种语言,可处理最多 3 名说话者的预录音频,已为 Pixel 11 上 Gboard 键盘的 Rambler 功能提供支持。

核心功能与技术亮点

文章正文

谷歌于 2026 年 8 月 27 日发布 Gemini 3.5 Transcribe 语音转文本模型。

该模型能够自动识别并删除嗯和呃等口头禅,还能在用户说错话后实时修正已生成的文本。

相比前代 Chirp 3 引擎,转录速度提升约 70%,实时语音场景错误率降至 5.5%。

用户可提供自定义词汇表,帮助模型更准确地识别专业术语和特定领域词汇。

源码简介

Gemini 3.5 Transcribe 是谷歌 DeepMind 团队开发的语音转文本模型。

与传统语音识别模型不同,它不仅将语音转换为文字,还理解用户意图并自动整理格式化文本。

模型支持 85 种语言和最多 3 名说话者的对话音频转录。

许可证为商业授权,非开源协议,与 MIT 协议的开源项目有本质区别。

核心技术栈基于 Gemini 3.5 系列架构,最后更新 2026 年 8 月。

竞品对比

特性 Gemini 3.5 Transcribe WHISPER Chirp 3
定位 理解式转写 语音识别 语音转文字
口头禅删除 自动删除 不支持 不支持
自我修正 实时修正 不支持 不支持
语言支持 85种 99种 125种
错误率 5.5% 8.2% 7.32%

对比 WHISPER 和 Chirp 3,区别在于 Gemini 3.5 Transcribe 具备理解式转写能力,可作为 Chirp 3 的替代方案。

适用场景

适用于需要高质量实时语音转文字的办公和会议场景。

支持多语言客服电话录音转写和字幕生成场景。

可用于播客和视频创作者的自动字幕制作。

适合需要清理口语表达的专业文档口述场景。

技术栈与运行环境

核心基于 Gemini 3.5 多模态架构,由 Google DeepMind 团队开发。

已集成到 Pixel 11 的 Gboard 键盘 Rambler 功能。

后续将陆续进入谷歌旗下更多产品和服务。

支持自定义词汇表和 3 人对话音频处理。

版本号 v3.5.0,最后更新 2026 年 8 月,更新日志见官方博客。

功能亮点

  • 口头禅自动删除:识别并移除嗯和呃等语气词
  • 实时自我修正:用户说错话后自动调整已生成文本
  • 自定义词汇表:支持专业术语和领域词汇的精准识别
  • 多人对话:最多支持 3 名说话者的预录音频转录
  • 85 种语言:覆盖全球主要语种的语音转写能力

部署指南与常见问题

安装与部署提示

目前通过 Pixel 11 的 Gboard 键盘 Rambler 功能体验。

后续将扩展到谷歌旗下更多产品和服务。

开发者可关注 Google AI 官方博客获取 API 接入信息。

版本号 v3.5.0,最后更新 2026 年 8 月 27 日。

截图与演示说明

封面展示了 Google DeepMind 官网的 Gemini 模型介绍页面。

页面展示了 Gemini 系列模型的多模态能力和应用场景。

Rambler 功能在 Gboard 键盘中实时清理口语表达并生成通顺文本。

用户可在 Pixel 11 设备上体验语音输入的自动润色效果。

常见问题

问,Gemini 3.5 Transcribe 和 WHISPER 有什么区别?

区别在于 Gemini 3.5 Transcribe 具备理解式转写能力,可自动删除口头禅和修正口误,而 WHISPER 主要做语音转文字。

问,支持哪些语言?

目前支持 85 种语言的语音转写,覆盖全球主要语种。

问,是否开源?

该模型为商业授权,非 MIT 协议开源,需通过谷歌产品或 API 使用。

问,如何体验?

可通过 Pixel 11 的 Gboard 键盘 Rambler 功能体验,后续将扩展到更多谷歌产品。

下载说明

本文来源:IT之家,原文链接 https://www.ithome.com/0/994/960.htm 。

Gemini 3.5 Transcribe 由谷歌于 2026 年 8 月 27 日发布,版本 v3.5.0。

更新日志见 Google AI 官方博客,最后更新 2026 年 8 月。

GitHub 项目开源地址:https://github.com/google-deepmind

本文章资源https://www.aosen.cc/gemini-3-5-transcribe-speech-to-text/来源于互联网,如存在侵权,请联系我们立马删除!
0
显示验证码