Google
Gemini 3.5 Transcribe Live
Google 的低延迟实时语音转文字模型,面向流式转写,而非直接进行语音对话的助手。通过 Gemini Live API 和 WebSocket 接收连续音频,并增量输出文本。(aistudio.google.com) 支持临时和最终转写事件、智能转写及多种语音活动检测(VAD)策略。智能转写可处理口头修正、去除填充词并格式化文本。(aistudio.google.com) 支持 85 种以上语言…
了解模型简体中文
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
Google 的低延迟实时语音转文字模型,面向流式转写,而非直接进行语音对话的助手。通过 Gemini Live API 和 WebSocket 接收连续音频,并增量输出文本。(aistudio.google.com) 支持临时和最终转写事件、智能转写及多种语音活动检测(VAD)策略。智能转写可处理口头修正、去除填充词并格式化文本。(aistudio.google.com) 支持 85 种以上语言…
Google 的语音转文字模型,面向多语言音频转写和智能语音交互。gemini-3.5-transcribe 用于预录音频处理;实时流式转写使用独立模型 ID gemini-3.5-transcribe-live。(aistudio.google.com) 自动检测并转写 85 种以上语言,支持对话中的语言切换,包括普通话简体中文。 支持智能转写,可处理自我纠正、去除语气词并格式化文本;支持自定义…