Google 推出 Gemini 3.5 Transcribe，用于实时语音应用
该公共预览模型可处理超过85种语言、自定义术语，并在实时和录制音频中支持最多三名说话者。
By Ryan Merket · Published
Primary source: X
为何重要
Google 正在将语音识别打包为 Gemini agents 的原生输入层，从而减少将实时音频、转录和模型驱动的操作连接起来所需的管道配置。
Google 在 8 月 26 日发布了 Gemini 3.5 Transcribe，为开发者在其 Gemini 开发者堆栈中提供了一个专门的语音转文本模型，用于实时语音界面和录制音频。
https://x.com/sundarpichai/status/2092659467284517088
…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.