语音转文本相关 AI 资讯 · AITOP · AI热报

8月29日

00:12

00:12

官方账号Google AI@GoogleAI

73°

Google推出Gemini 3.5 Transcribe，这是其迄今为止最精确的语音转文本模型。Gemini Omni 1.1 Flash版本带来了增强的视频生成和编辑功能。Gemini App新增Live体验，包含Daily Brief、Gemini Spark等功能，并支持Gmail收件箱管理。

AI产品 Gemini Gemini 3.5 Transcribe Gemini Omni 1.1 Flash

推荐理由：Google本周发布了Gemini 3.5 Transcribe语音模型和Omni 1.1 Flash，新增视频编辑和Gmail管理功能。

8月28日

17:11

17:11

官方一手marktechpost@Asif Razzaq

78°

Google推出Gemini 3.5 Transcribe语音转文本模型，分为流式和非流式两个端点。流式端点实现亚秒级转录，但省去说话人分离和词级时间戳功能，错误率为4.0%。非流式端点保留所有功能，错误率为2.6%，成本仅为流式的一半。该模型在85种以上语言中表现优异，最终处理速度比Chirp 3快70%。

AI产品 Gemini 3.5 Transcribe Google 语音转文本

推荐理由：Google新发布的Gemini 3.5 Transcribe支持85种语言，错误率低至2.6%，还提供两种端点选择，适合语音助手和转录管道使用。

8月27日

12:43

12:43IT之家（博客/媒体）

谷歌发布 Gemini 3.5 Transcribe 语音转文本模型，支持自动删除口头禅，速度提升约 70%，错误率降至 5.5%，支持 85 种语言。

AI产品 Gemini 3.5 Transcribe 语音转文本谷歌

推荐理由：谷歌新发布的 Gemini 3.5 Transcribe 模型，自动删除口头禅，语音转文本更准确，速度更快，值得一试。

8月25日

07:00

07:00

官方账号Cohere@cohere

Cohere成为superwhisper默认本地模型，支持离线语音转文本；RayFernando1337切换至Transcribe x Native_AI组合。

AI产品 Cohere superwhisper 语音转文本

推荐理由：Cohere支持离线语音转文本，RayFernando1337成功切换至新组合，体验更佳。

7月25日

06:03

06:03

官方账号xAI@xai

OpenRouter 宣布集成 SpaceXAI 的 Grok STT 模型，提供语音转文本功能。该服务支持 25 种语言，具备词级时间戳和说话人分离能力。定价为每音频小时 0.10 美元，用户可通过 OpenRouter API 直接调用。

AI产品 Grok STT OpenRouter SpaceXAI

推荐理由：OpenRouter 上了 Grok 的语音转文字，25 种语言，带说话人分离，一小时才 0.1 美元，做转录可以试试。

5月15日

09:23

09:23

官方账号Together AI@togethercompute

Together AI 的语音转文本（STT）模型在 Artificial Analysis 排行榜上包揽了转写速度的前两名。其中 NVIDIA Parakeet TDT 0.6B V3 排名第一，每秒可处理 303 秒音频，速度最快。该模型每 1000 分钟音频仅需 1.50 美元，在三个真实数据集上的平均词错误率为 4.6%。对于构建实时语音助手的 AI 开发者来说，快速 STT 是核心基础设施，Together AI 的云服务能帮助团队降低转录、推理和响应的整体延迟。

AI产品语音转文本 Together AI NVIDIA Parakeet

推荐理由：实时语音助手开发者终于有了速度最快的 STT 模型——每秒处理 303 秒音频，成本还低，做语音交互的团队可以直接在 Together AI 上试试。