TIDEZINE.

Gemini 3.5 Transcribe 上場:Google 要讓語音輸入自動變成一段乾淨文字

Google 發表新一代語音轉文字模型 Gemini 3.5 Transcribe,主打自動去除贅字、辨識超過 85 種語言,未來將登陸 Chrome 任意輸入框與多項 Google 服務。

Gemini 3.5 Transcribe 上場:Google 要讓語音輸入自動變成一段乾淨文字

講話總有停頓、重複、「呃」跟「就是說」,但 Google 認為這些不該原封不動變成螢幕上的文字。Google 發表新一代語音辨識模型 Gemini 3.5 Transcribe,主打把使用者「未經整理的口語」自動轉換成結構化文字,中間會拿掉填充詞,也能理解說話者中途自我修正的意思,不會把改口前後的內容都照抄一遍。

官方表示,這個模型能自動偵測超過 85 種語言,辨識精準度優於先前版本,並且可以學習自訂詞彙與特殊拼法,對於訂單編號、郵遞區號這類英數混合字串也有較好的擷取能力。針對事先錄好的音檔,Gemini 3.5 Transcribe 還能替最多三位講者標記發言,並附上逐字時間戳記,這種功能對整理 Podcast 逐字稿會有實際用途。

Gemini 3.5 Transcribe 目前已經是 Android 裝置上 Rambler 功能的底層模型,包括 Pixel 11 系列手機;在 macOS 版 Gemini App 中,它也能與其他 Gemini 模型搭配執行代理型任務。

比較值得留意的是 Chrome 的部分。Google 表示不久後將能在 Chrome 網頁的任意輸入欄位使用語音輸入,等於不限定在特定 App 或表單,使用者可以直接用講的來回覆訊息、發文,或是對 Gemini 下語音指令。除此之外,這個模型也已經進駐 Google 的代理型開發平臺 Google Antigravity,並將陸續加入 Search Live、Gemini Live、Docs、Keep 與 Gmail,開發者則可透過 API 串接使用。

Google 尚未公佈 Chrome 語音輸入功能與其他服務整合的確切上線時間。

延伸閱讀

人走之後帳號怎麼辦?Google與Apple的數位遺產規則差很大
Tech

人走之後帳號怎麼辦?Google與Apple的數位遺產規則差很大

Google的Inactive Account Manager與Apple的Legacy Contact都能讓家人接觸帳號內容,但觸發條件、等待時間與可取得的資料範圍完全不同,沒有事先設定就只能任由系統預設處理。

打字就能做遊戲:Google 推出實驗性平臺 Playground,但得先看你的 Google One 等級
Tech

打字就能做遊戲:Google 推出實驗性平臺 Playground,但得先看你的 Google One 等級

Google 推出 AI 遊戲創作平臺 Playground,不用寫程式、不用畫圖,打幾句提示詞就能生成 2D 或 3D 遊戲,但目前僅限美國、18 歲以上使用者,且依 Google One 會員等級分級開放。

Smart #2巴黎車展亮相:在一連串SUV之後,這家品牌想起自己原本的樣子
Tech

Smart #2巴黎車展亮相:在一連串SUV之後,這家品牌想起自己原本的樣子

Smart在巴黎車展發表超迷你電動車#2,單次充電續航約290公里,起價低於2萬英鎊,但這款小車大概率不會登陸美國市場。

Fitbit Air、Edge加入Health Guardian,血壓胰島素監測像「引擎燈」
Tech

Fitbit Air、Edge加入Health Guardian,血壓胰島素監測像「引擎燈」

Google讓Health Guardian登陸Fitbit Air與新款Edge,提供血壓與胰島素阻抗趨勢摘要;同步升級自動運動辨識準確度,並推出售價70美元的金屬編織錶帶。

微軟總裁布萊德史密斯:超市牛奶都比AI受到更多監管
Tech

微軟總裁布萊德史密斯:超市牛奶都比AI受到更多監管

微軟總裁布萊德史密斯向ITV表示,現行AI監管甚至不如洗衣機或一罐牛奶嚴格,他認為美國監管真空反而給了英國主導AI規範的機會。

PS5 六年漲三次價:2020年399美元的主機,2026年要價599美元
Tech

PS5 六年漲三次價:2020年399美元的主機,2026年要價599美元

PlayStation 5 從2020年上市至今不但沒降價,反而連番調漲。Sony證實記憶體成本上升是主因,這與過往主機世代末期降價的慣例完全相反。