谷歌发布 Gemini 3.5 Transcribe：2.6% WER 与 0.4s 延迟
ArtificialAnlys · x · 2026-08-27
谷歌发布 Gemini 3.5 Transcribe 系列语音转文字 API，包含预录制版和实时流式版（Live）。主要性能数据：
- 非流式转录：AA-WER 达 2.6%，排名第 5，处理速度约 84 倍实时。
- 流式转录：首个最终转录在语音结束后 0.40s 到达，WER 为 4.0%；首个部分转录仅需 0.25s。
- 功能：支持 85+ 语言、自定义词汇、自动文本格式化；预录制版支持最多 3 说话人分离。
- 价格：Transcribe 约 $5/1000 分钟，Live 约 $9/1000 分钟（基于谷歌估算）。
所属事件:谷歌发布 Gemini 3.5 Transcribe 语音转文本模型(25 条相关)→
「多模态」频道最新
- MiniMax-H3 演示：不仅能换人还能自动加特效和背景 — solomars3 · 2026-08-27
- 实测 Google Gemini 3.5 Transcribe：混乱 LoL 直播也能准确实时转录 — ming_calligraphy · 2026-08-27
- H3 Max实测：6.6秒生成士官长拜访《老友记》 — chrisfirst · 2026-08-27
- ComfyUI 联手 MiniMax 举办声画同步挑战赛 — Comfy-Org · 2026-08-27
- Gen2Physics：通过多视图材质分解实现 3D 物理模拟 — kwangmoo_yi · 2026-08-27
- Reddit 实测：租 GPU 自跑视频生成，比第三方 AI 平台便宜约 10 倍 — Forsaken-Low4467 · 2026-08-27