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(29 条相关)→
「多模态」频道最新
- Bindu Reddy:Muse Wonder 远不及 Fable/Astra,新基准即将发布 — bindureddy · 2026-10-13
- 想在 Civitai 抄提示词?点开一看是整张 ComfyUI 工作流 — WillowStarCox · 2026-10-13
- AI 视频里的外星人走在费城街头,写实度惊人 — FeePrestigious7272 · 2026-10-13
- Higgsfield Genjutsu 月触达 40 亿，API 半价开放接入 — SimplyAnnisa · 2026-10-13
- Genjutsu 视频播放量破 40 亿，仍无移动端 App — SimplyAnnisa · 2026-10-13
- Reddit 求助：哪种模型能生成这种动漫风格，LoRA 训练可行吗 — Amjad_mj · 2026-10-13