谷歌上线 Gemini 3.5 Transcribe：专用语音转文字模型，支持 85+ 语言
jocarrasqueira · x · 2026-08-27
Google 在 Gemini API 上线了专用语音转文字模型 Gemini 3.5 Transcribe（gemini-3.5-transcribe）。与直接 prompt 通用 LLM 相比，它是为转录任务专门构建的：速度更快、可输出逐字稿（避免自作主张的改写和幻觉），并提供词级时间戳。
主要能力：
- 支持实时语音与音频文件转录，自动识别语言
- 85+ 种语言、地区口音与方言；多说话人识别
- 自定义词表，识别行话与特定拼写；字母数字组合高精度
- 智能转录模式：按意图重写与格式化文本、可去除「嗯」「啊」等语气词
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