Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文本模型

2026/08/26 17:27

OmniTools 8月27日消息，Google DeepMind 正式发布 Gemini 3.5 Transcribe 语音转文本模型，专为实时语音交互场景设计，提供流式与非流式两种 API 接口。

据 Artificial Analysis 评测，该模型在流式模式下平均词错率为 4.0%，非流式模式下为 2.6%。模型支持超 85 种语言，具备自定义词汇能力，并可识别最多三位说话人。

Gemini 3.5 Transcribe 已上线 Google DeepMind 官方博客，面向开发者开放技术细节与接入方式。

想继续了解，可以看这些

从这条动态出发，继续查看相关分析、产品详情和同主题更新。

从快讯延伸到产品观察、工具对比和行业分析。

按能力、行业和使用场景继续筛选可用工具。

基于 AI 的应收账款自动化平台，智能匹配付款、自动化催收并实时优化现金流。

一站式 AI 音乐与音频工作区，提供文本生成音乐、分轨提取、AI 母带处理、BPM/调性分析及专辑封面生成等全流程工具。

面向创始人的实时 AI CFO，提供现金流可见性、跑道预测与自动应收管理。

专为 Xcode 打造的 AI 编程助手，帮助 Apple 开发者在本地安全生成 Swift 代码、自动修复构建错误并审查代码差异。