扫码下载
搜索“Transcribe”共有16条相关结果
Techub News 消息，SpaceXAI 发布了其最新的语音转文本模型 Grok Voice Transcribe 2.0。该模型基于 Grok Voice 的音频基础模型构建，开发团队声称其在相同价格下，准确率是 1.0 版本的两倍，尤其擅长处理嘈杂电话线、多人对话、地方口音等复杂音频。 模型支持批处理和实时流式转录，通过 API 提供服务，定价与 1.0 版本相同，为每音频小时 0.10 美元（批处理）。SpaceXAI 报告称，该模型在公开的 Artificial Analysis 流式模型排行榜上位列第一，并在内部测试的多个数据集上均优于 1.0 版本。 该模型支持数十种语言的转录和自动语言检测，并能在单次处理中跟随录音中途的语言切换。开发者功能包括词级时间戳、说话人分离、多通道转录、关键词偏向和填充词移除等。（MarkTechPost）
Techub News 消息，微软 AI 部门发布新一代语音转录模型 MAI-Transcribe-2，其在定价与处理速度上均优于市场同类产品。此举可能重塑 AI 转录市场格局，并对竞争对手构成创新压力。（Crypto Briefing）
Techub News 消息，Meta Superintelligence Labs 本周发布了实时音频感知模型 Muse Voice Transcribe。该模型将流式自动语音识别、超过 20 人的说话人分离和端点检测三项任务整合到一个自回归模型中，无需后处理。该模型已作为托管 API 上线 Meta Model API，价格为每 1000 音频分钟 3 美元，并已为 Meta AI for Mac 和 Muse Code 的听写功能提供支持。 该模型基于 70 多种语言进行训练，其中 25 种在发布时经过广泛验证和推荐。它原生支持超过一小时的音频输入和 20 多名说话人，无需后处理步骤。Meta 报告称，截至 2026 年 9 月 1 日，该模型在 Artificial Analysis 的流式语音转文本和公开的说话人分离基准测试中均排名第一。（MarkTechPost）
Techub News 消息，谷歌发布 Gemini 3.5 Transcribe 语音转录模型，可识别超过 85 种语言，实时去除填充词并修正口误。在流式模式下，其词错率为 4.0%，延迟比前代 Chirp 3 降低 70%。该模型还可通过函数调用将任务移交其他 Gemini 模型处理。 （The Decoder）
Techub News 消息，Google 在 2026 年 I/O 大会发布 Gemini 3.5 Transcribe 模型，支持情绪检测、说话人识别、时间戳标记及翻译功能。 该模型拥有 96K Token 上下文窗口，可处理长音频文件，适用于会议记录、法律取证等场景。Google 明确建议实时转录需使用 Cloud Speech-to-Text API 而非本模型。（CryptoBriefing）
Techub News 消息，AI 初创公司 Cactus Compute 发布的 16.9 MB 语音转文字模型 Whistle 的代码使用教程在网上公布。该教程详细展示了 Whistle 模型的安装、权重固定与音频转录流程。教程内容包含将 Whistle 与 OpenAI 的 Whisper 基础版和小型版在相同音频片段上进行对比测试，并探讨了其在流式处理、时间戳生成、关键词偏向等多方面的性能表现。（MarkTechPost）
Techub News 消息，IBM 宣布推出 Granite Speech 5.0 模型，该模型在音频转录、翻译与说话人归属任务上实现了更高的准确性与更快的处理速度。新模型旨在提升语音识别和跨语言内容理解能力。（IBM）
Techub News 消息，Mistral 发布 Voxtral 3 语音智能体 SDK 及语音模型套件，旨在构建端到端实时语音对话智能体。该套件包括支持 50 多种语言的先进语音转文本模型 Voxtral Small Transcribe 3，以及可根据对话上下文调整情感、语速和强调的文本转语音模型 Voxtral Mini TTS 3。 Voxtral 3 将听、思考、工具调用和说话功能集成到单一实时流式管道中，支持与业务系统深度集成以完成多步骤任务。该产品可通过 Mistral 的欧盟托管 API 获取，也支持在自有基础设施上部署，以确保数据主权。
Techub News 消息，阿布扎比技术创新研究所（TII）发布阿拉伯语语音识别模型 Falcon-ASR，参数规模为 16 亿。该模型专注于阿联酋方言，并能转录英语、法语、西班牙语和葡萄牙语。在 TII 的评估中，Falcon-ASR 在 6 个阿拉伯语测试集上的平均词错误率为 20.92%，优于其排行榜上最佳已发布模型 2.25 个百分点。目前该模型仅作为托管演示提供访问。（MarkTechPost）
Techub News 消息，Google 推出名为 AI Edge Foresight 的新应用，旨在与 Granola 竞争。该应用是一款离线优先的会议笔记工具，能够转录对话、生成笔记并回答问题，所有功能均通过设备端 AI 实现。（TechCrunch）
