谷歌的新人工智能转录可以编辑你的“嗯”和“啊”

Google 更新了 Gemini Audio，提供了新的转录功能，可自动检测专业术语和超过 85 种语言。 Gemini 3.5 Transcribe 是继 3.5 Live Translate 推出之后 Gemini 系列的新成员，我们仍在等待 Google 发布其承诺于 6 月份推出的 Gemini 3.5 Pro 型号。谷歌表示，3.5 Transcribe“代表了我们之前的转录模型 Chirp 3 的重大进步”，特别是在多语言性能和措辞错误率方面。据谷歌称，转录模型允许用户“仅用你的声音自然地编辑”，并且可以自动格式化文本并删除“嗯”和“呃”等填充词。用户可以为模型提供自定义词汇表，从而使 3.5 Transcribe 自动调整转录以适应独特的拼写要求和专业术语，以防止手动编辑这些单词。它还可以在预先录制的音频中对最多三个发言者的语音进行归因，同时提供单词级时间戳。除了 3.5 Transcribe 之外，谷歌还表示，Gemini Audio 今天还将推出 3.5 Live 和 3.5 Live Experimental 更新，这些更新基于支持 Gemini 语音聊天模式的现有语音识别技术。在我们发表这篇报道后，谷歌随后表示这些额外的型号尚未推出，并且没有提供新的发布日期。根据谷歌此前提供的信息，Gemini 3.5 Live更擅长处理句子中间的中断、语言识别和实时视觉处理，而Gemini 3.5 Live Experimental则更进一步，实时一步步讲述其进展，同时处理更复杂任务的推理。 Gemini 3.5 Transcribe 从今天开始向所有 macOS Gemini 应用程序用户推出英语版本，并在 Android 上针对特定国家和语言推出 Rambler 听写功能。开发人员还可以通过 AI Studio 和 Antigravity 在 Gemini API 中公开预览它。谷歌表示即将支持 Chrome。 8 月 26 日更新：Google 在发布之前向 The Verge 提供的信息中还提到了两个 Gemini 3.5 Live 和 3.5 Live Experimental，但现在表示今天只发布了 3.5 Transcribe。