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
燒錢與營收並進，DeepSeek被曝前七個月收入4.75億元，Minimax連夜披露ARR暴漲500%
TechHorizon2026.08.27 10:08 · 來自北京全文1339字00:00 / 04:00這些大模型廠商都在為營收做準備，尤其是推動B端API業務實現健康毛利率。8月26日晚間，MiniMax披露了最新財務數據，截至今年8月，公司ARR（年度經常性收入）已經超過8億美元，半年暴漲500%。
“額度想重置就重置”，Codex負責人Tibo談OpenAI幕後：產品沒做好就補償、ChatGPT與Codex合併、暫停部分前沿模型RL訓練
CSDN·2026年08月27日 09:46“只要我認為時機合適，隨時都可以按下那個「重置」按鈕。” “只要我認為時機合適，隨時都可以按下那個「重置」按鈕。” “我不太關注競爭對手，我真正看重的是我們能獨特地做好什麼，我們的價值觀是什麼，以及我們如何最大限度地向這些目標加速。
GLM-5.3-Flash發佈，多模態終於來了
Leo張ToB雜談2026.08.27 08:40 · 來自北京全文3897字00:00 / 10:34GLM-5.3-Flash是GLM-5系列的首個原生多模態模型。不久前，在OpenCode和OpenRouter上進行了出現了一個名為Ox-Alpha（中文社區稱作牛來）的模型，並迅速成為當週最受歡迎的模型。
Edge AI Daily 早報（8月27日）
Edge AI Daily2026.08.27 08:28 · 來自北京全文6559字00:00 / 17:38當日核心情報涵蓋AI基礎範式動搖（嬰兒學習效率挑戰Scaling Law）、OpenAI企業級產品擴張（ChatGPT Work登錄憑證、Admin插件）、微軟AI圖片永久標記隱私爭議、LAION最大開源視頻數據集、亞馬遜關停MTurk、蘋果M5 Ultra芯片突破本地AI算力、Anthropic記憶合併默認開啟。
國產大模型打出王炸！智譜GLM-5.3-Flash原生多模態顛覆行業價格戰
智譜GLM-5.3-Flash原生多模態顛覆行業價格戰發布於AI新閒資訊時間 :Aug 27, 2026閱讀 :1分鐘大模型行業的“價格戰”與“能力天花板”在近期迎來了一次全新突破。此前在開源社區引發廣泛關注、被稱作“牛來”的神秘模型Ox-Alpha終於揭開面紗，它正是智譜AI最新發佈的GLM-5.
英偉達擬超130億美元收購Hugging Face 微軟亦參與接觸談判
若交易達成，將成為英偉達歷史上最大的併購案之一。此前，微軟亦與 Hugging Face 進行了初步會面，但未展開深入談判。去年年底，Hugging Face 曾拒絕英偉達5億美元的投資（當時估值約70億美元），理由為避免主導型投資者幹預公司決策。