月访问量
0
累计浏览
1
用户评分
4.5
收录时间
2026-08
产品介绍
产品介绍
Gemini 3.5 Transcribe 是 Google 于 2026 年 8 月 26 日发布的专门用于语音转文字（ASR）的模型，隶属 Gemini Audio 系列。支持 85 种以上语言与地区变体，可自动判断当前语言，并处理一句话或同一段对话中切换语言的多语言混说场景。
核心功能
- 85+ 语言支持：自动语言识别，多语言混说持续转录
- 去口头禅与口误修正：自动删除“嗯/啊/um/uh”，理解修正性表述并保留正确结果
- 多人识别：转录时区分至多三位说话者
- 文本格式化：自动补齐标点、整理排版，直接输出结构化文本
- 自定义词汇：更准确识别专业术语、特殊拼写、订单号与邮编
- Function calling：可调用图像生成、联网搜索等能力
性能
录音版词错率（WER）2.6%、流式版 4.0%，延迟较前代模型 Chirp 3 降低 70%，流式实时转录延迟低于 1 秒。提供流式与录音两种接口。
适用场景
会议记录、播客转录、字幕制作、客服质检等语音转写刚需场景。
