Google重磅發佈Gemini 3.5 Transcribe，嘈雜環境也能精準轉文字
AI資訊AI新閒資訊正文Google重磅發佈Gemini 3.5 Transcribe，嘈雜環境也能精準轉文字發布於AI新閒資訊時間 :Aug 27, 2026閱讀 :1分鐘Google近日正式發佈了Gemini系列最新的語音轉文字模型Gemini3.5Transcribe，並將其定位為該系列迄今為止準確度最高的語音識別模型。該模型全面面向開發者、企業及廣大普通用戶開放，重點攻克了嘈雜環境、複雜專業術語以及自然口語表達等長期困擾行業的識別痛點。在核心技術與應用場景方面，Gemini3.5Transcribe展現出了強大的泛化能力。
新模型不僅能夠有效過濾背景噪聲，還對專業領域的複雜詞彙提供了卓越支持。目前，該模型已率先為macOS平臺的Gemini應用以及Android平臺Gboard鍵盤的Rambler功能帶來了顯著性能改進。對於開發者而言，則可以藉助這一工具高效構建語音智能體、實時字幕工具以及通話後分析流程等創新應用。針對人類日常對話的複雜性，新模型在功能設計上進行了多項精細化優化。它能夠更好地捕捉說話者的自然語義意圖、識別自定義詞彙，並輔助用戶通過語音順暢完成各種任務。同時，該模型原生內置了多項實用功能，包括自動自我修正、智能過濾並刪除“嗯”、“啊”等口語填充詞，以及對輸出文本進行自動格式化。
更具想象力的是，它還能將文件分析、圖像生成等更復雜的長鏈條任務委派給其他Gemini模型處理，從而為用戶帶來全鏈路的多模型協作體驗。在客觀的轉寫準確率表現上，Google公開的數據顯示，Gemini3.5Transcribe在流式語音識別場景中的平均詞錯誤率（WER）僅為4.0%，而在非流式場景中更是大幅降至2.6%。即便在噪聲較多的複雜環境中，它依然能保持極高的識別穩定性，並且在識別由字母和數字交織組成的關鍵信息(如訂單編號、郵政編碼等)時更加精準無誤。在多語言與個性化適應性上，該模型同樣表現亮眼。目前其語言支持已全面覆蓋85種語言，並能完美適應不同地區的口音與方言變體。
針對預處理音頻，它支持為最多三名不同的說話者提供帶時間戳的語音歸屬識別。此外，模型還高度支持用戶自定義詞彙表，能夠完美應對各行各業的專業術語、特殊拼寫及專屬名稱。在開放節奏與產品生態串聯方面，開發者目前已經可以通過Google AI Studio和Google Antigravity中的Gemini API，以公開預覽的形式搶先體驗Gemini3.5Transcribe，而普通用戶則可直接在Android和macOS平臺進行日常體驗。未來，Google還計劃將其無縫引入Chrome瀏覽器，讓用戶能夠在任意網頁輸入框中實現便捷的語音直接輸入。伴隨此前Gemini3.
7Flash的推出、Gemini in Chrome面向美國全量安卓用戶開放以及助手接入Waymo自動駕駛出租車，Google正在以極高的節奏持續完善其全場景AI產品矩陣。相關推薦瀏覽器效率工具再升級！Anthropic向全體付費用戶全面開放Claude瀏覽器擴展Anthropic宣佈向所有付費用戶全面開放Claude Chrome瀏覽器擴展，將AI能力無縫嵌入網頁瀏覽場景。用戶瀏覽網頁、查閱文獻、處理郵件或蒐集資料時，無需切換標籤或獨立應用，即可提升辦公與信息處理效率，標誌AI助手與日常瀏覽深度融合加速。Aug 27, 202630.
6kArtificial Analysis 聯手 Liquid AI 發手機端 AI 跑分：iPhone 17 Pro 跑 8GB 內模型座次出爐Artificial Analysis聯合Liquid AI發佈手機端本地AI性能基準，聚焦iPhone 17 Pro真實表現。前者測智能水平，後者測推理性能，涵蓋函數調用、指令遵循、知識認知、高難問答與數學五類。測試對象為4bit量化、體積不超8GB的端側模型，旨在驗證小模型也能實現高智能。Aug 26, 2026184.4kDeepSeek 前 7 月營收 4.75 億元激增 9 倍，5000 億估值二輪融資在途DeepSeek正推進第二輪融資。
2026年前7個月營收約4.75億元，是2025全年十倍，淨虧損由9.35億收窄至7.15億。開源模型帶來高毛利，業務增速顯著，為潛在IPO鋪路。6月完成首輪500億元融資後，隨即啟動第二輪，計劃募資500億元。Aug 26, 2026213.5kStability AI 完成 7600 萬美元 B 輪：EA 與三大唱片巨頭齊押注Stability AI完成7600萬美元B輪融資，將用於創意產品開發、應用研究及專業服務。投資方包括EA、索尼音樂、環球音樂、華納音樂和AMD風投。CEO稱此舉印證生成式AI賦能製片人、音樂人與講述者的願景。Aug 26, 2026166.
7k機器人初創公司 Generalist 完成新一輪融資，估值達30億美元機器人初創公司Generalist完成由8VC領投的近2億美元新增融資，估值升至30億美元。本輪是今年6月Radical Ventures領投、估值20億美元的4億美元B輪延續，使B輪總額達6億美元。公司由前DeepMind研究員Pete Florence、Andy Zeng及前波士頓動力工程師Andrew Barry於2024年創立。Aug 26, 2026141.5k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
認識 Voxel51 3.0：為實體 AI 打造的統一多模態資料平臺
Voxel51 已發布 Voxel51 3.0，這是其資料平臺的一次重大更新。Voxel51 3.0 是一個端對端的多模態資料平臺，將搜尋、篩選、標註和評估整合於單一系統中。該平臺鎖定針對機器人、車輛和工廠感測器資料進行模型訓練的團隊。此次發布新增了 Voxel51 Agent、資料溯源層及免費的自助式存取。重點摘要：規模：Voxel51 Agent 內建超過 45 個 MCP 工具、80 多個運算子及 18 個開源技能。執行環境：可於 app.voxel51.com 使用託管網頁應用程式，或於雲端、混合、地端及隔離環境中自行部署。未揭露本機 GPU 需求。效能：未發布產品基準測試。Voxel51 引用其自身調查數據作為依據。最佳亮點：免費方案包含 Voxel51 Agent、每月 30,000 次推論請求及 30 個運算小時。
本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態。
下一概念建模把文本生成提速最高31倍
斯坦福等聯合提出全新文本生成範式 NCM，生成速度狂飆 31 倍AIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Oct 16, 202633人工智能領域的文本生成技術迎來顛覆性創新。斯坦福大學與 Together AI 的研究人員近日聯手推出了一種截然不同於傳統自迴歸和擴散模型的全新文本生成範式——Next-Concept Modeling（簡稱 NCM，即“下一概念建模”）。該方法巧妙借鑑了圖像生成領域中“下一尺度預測”的思路，有望為未來的文本生成技術開闢全新的發展路線。在技術實現路徑上，NCM 模擬了人類“先構思宏觀大綱、再動筆填充細節”的寫作邏輯。整個系統通過兩階段訓練來完成:首先訓練多尺度殘差 VQ-VAE，從而得到能夠逐層補充信息的多層離散文本編碼;隨後凍結該系統，訓練 Transformer 模塊去預測下一層的編碼。在生成文本時，模型會先並行生成概念層面的宏觀大綱，接著逐層並行填充具體細節，最終組合成完整的文本內容。在實際測試表現中，NCM 交出了令人矚目的成績單。實驗數據顯示，在保持相近甚至更優生成質量的前提下，NCM 相對傳統的擴散語言模型實現了10到31倍的生成速度飛躍，並且在訓練過程中所需消耗的 token 數量也大幅減少。此外，在數獨等複雜推理任務上，它的表現也明顯優於傳統的自迴歸和擴散基線模型，同時還支持通過多生成候選挑選機制來進一步優化最終輸出效果。儘管目前該研究所使用的模型參數規模依然相對有限，其在擴大模型規模後的表現、精確文本以及長篇內容的生成能力仍有待後續驗證，但這一創新思路無疑打破了長期以來的技術慣性，為人工智能高效生成文本提供了充滿想象力的全新解法。本文來自AIbase日報掃碼查看歡迎來到【AI日報】欄目!這裡是你每天探索人工智能世界的指南，每天我們為你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。
Claude自主優化八類量子電路設計
ScienceDesigning more efficient quantum circuits with ClaudeOct 16, 2026Quantum computers will need carefully designed circuits to run useful algorithms on limited hardware.
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？ 本文作者： 倪萍 2026-10-17 22:42 導語：10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族 10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族式標識。 新車採用寧德時代電池以及廣汽自研的彈匣電池2.0技術，能夠在充分釋放續航能力的同時，監控電池健康狀態。提供45.58kWh和62.98kWh兩種規格，續航可達702公里，整車風阻係數 Cd 低至 0.22。Ray7搭載華為DriveONE多合一電驅，以及華為DriveONE芯片級驅制融合架構，百公里制動僅為32.8米。底盤方面，Ray7搭載高性能前後穩定杆和後五連桿懸架，過彎極限更高，濾振更乾淨。智能化上， Ray7搭載27顆車規級全視角傳感器，採用文遠知行L4級Robotaxi同源大模型。這幫助新車能夠複用 L4 積累的海量場景經驗，在城區掉頭、繞行等複雜場景中可順利通行。自2025年廣汽推進“番禺行動”以來，昊鉑埃安BU的研發、生產、銷售等環節效率不斷提升，產品迭代和新車投放節奏明顯加快。作為埃安全新Ray車系的首款新車，Ray7是埃安開啟年輕化序列的關鍵落子，也是廣汽切入20萬級市場的重要佈局。這一細分市場競爭並不輕鬆：小鵬P7、極氪007等車型已經提前卡位。Ray7想在年輕人心中佔位，不能只堆參數，更要把智能座艙與輔助駕駛、三電安全、補能效率、用車成本和價格權益上的差異，變成用戶可感、可信、可持續的體驗，這才是埃安年輕化的分水嶺。（雷峰網(公眾號：雷峰網)） 雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
梁聖又掀桌了！DeepSeek新模型斬殺GPT-6，許願式編程時代降臨
作者 | 楊京麗 編輯 | 李水青 10月17日報道，剛剛，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方網頁端、App與API已同步更新至新模型，模型權重也已在HuggingFace和ModelScope開放下載。DeepSeek還向公眾開放自研搜索引擎的Search（搜索）與Fetch（抓取）API，兩個接口均定價為5元/千次。 此次更新距離該模型發佈僅過去一個多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。