Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布语音转文字模型 Gemini 3.5 Transcribe，称其为目前最精确的转写模型，可将原始音频直接转为准确、格式化文本。
推荐理由：官方给出 WER、延迟与多语言等指标，并对比上一代 Chirp 3，可据此判断语音转写的能力边界。
#语音
#语音
今日 0 条Google DeepMind精选AI 评分6262
Google DeepMindAI 评分5858 Google DeepMind 在 Flow Music 发布音乐生成模型 Lyria 3.5
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并已在 Google Flow Music 中上线。官方称其在音乐性、歌词、人声和创作控制四方面均有提升，包括更丰富自然的旋律结构、提示词遵循度和结构感知更好的歌词、更具情感表达和发音改进的人声，以及对输出节奏和时长的更易控制。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款支持 70+ 语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：Google 发布支持 70+ 语言的实时语音翻译模型，并给出开发者、企业、消费端三条落地路径。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 推出 Gemini 3.1 Flash TTS，一款主打可控性与表现力的文本转语音模型，在 Artificial Analysis TTS 榜单上取得 1,211 的 Elo 分数。
推荐理由：官方给出 Elo 1211 与多语言、音频标签等能力细节，可据此判断语音生成的可控性进展。