谷歌发布最新语音转文本模型Gemini 3.5 Transcribe
相关推荐
B.AI 宣布 Gemini 3.8 Flash 正式接入 API
火星财经消息，9 月 4 日，B.AI 平台宣布 Google DeepMind 最新 Gemini 3.8 Flash 模型正式接入 API。该模型为 Gemini 3 家族最新一代主力模型，支持 1M Token 上下文窗口与原生多模态输入。据该平台介绍，Gemini 3.8 Flash 在保持 Flash 系列低延迟特点的同时，于软件工程、智能体任务及专业领域多步推理等方面有所提升，在金融和法律等专业领域同样有所表现，面向复杂推理与长期 Agent 工作流。官方 API 接入现已开放。
Meta发布实时音频感知AI模型Muse Voice Transcribe，支持20余人分轨转写
PANews 9月2日消息，据IT之家援引9to5Mac报道，Meta推出首个实时音频感知模型Muse Voice Transcribe，开发者可通过Meta Model API调用，定价为每1,000分钟音频3美元（约合每小时0.18美元）。该模型在同一流程中整合流式自动语音识别、说话人分离与端点检测，用户说话时可同步输出文字，无需等待完整录音结束后再处理。模型支持70余种语言（25种已验证）、超1小时音频及多语言切换，可在包含20余名说话者的录音中分离不同发言者。Meta引入自适应延迟机制，对易识别语音快速输出，对复杂词语调用更多上下文以兼顾速度与准确度。
Gemini月活用户突破10亿，成为Google史上增长最快产品，语音成为核心交互方式
据 动察 Beating 监测，Google 宣布 Gemini 应用月活跃用户已正式突破 10 亿，成为公司历史上增长最快的产品。用户行为数据显示语音正成为核心交互方式——63% 的用户直接与 Gemini 对话，忙碌父母使用语音处理日常任务的概率比其他用户高出 43%。超过 20% 的 Gemini Live 交互已超越纯语音，用户通过实时摄像头画面和屏幕共享进行即时问题解决，在 DIY 爱好者和学生群体中尤为流行。Android 端 Gemini 可跨 40 余款主流应用自动执行操作，涵盖叫车、餐厅预订等场景。 学生群体中 38% 的学习请求包含附件。面向小企业主的创意功能需求旺盛——Gemini 每日生成超 1.5 亿张图片，支持图像、视频与音频一体化创作。苹果生态表现强劲，iOS 端月活用户超 1 亿，macOS 重度用户的提示频次约为其他平台的两倍。Google 表示将继续以打造「最个性化、最主动、最强大的助手」为目标向下一批 10 亿用户迈进。 点击下方原文链接，加入动察 Beating · 飞书 AI 新闻渠道，7×24 小时不间断监测全球 AI 热点与新闻。
谷歌补上Gemini Windows App，但首发版和网页端差别不大
动察 Beating AI 快讯，谷歌正式推出 Gemini Windows 桌面 App，支持 Windows 10 和 11，全球开放。按下 Alt + Space 就能从任意界面叫出 Gemini，不用再切到浏览器。Gemini Spark、Gmail 和 Drive 连接，以及 Nano Banana 生图、Gemini Omni 生视频也都搬了进来。 不过首发版的「桌面能力」还很少。9to5Google 称，目前界面基本就是网页版加上 Notebooks 和历史记录侧栏。谷歌自己的说明也显示，Mac 版已经能读取屏幕内容、跨 App 语音输入，还能让 Spark 整理本地文件夹；这些能力 Windows 版都要以后再补。
微软新ASR模型比GPT-Transcribe快10倍，每小时只要0.1美元
动察 Beating AI 快讯，Microsoft AI 发布 MAI-Transcribe-2，并在 Microsoft Foundry 开放公共预览。新模型支持 60 种语言，新增说话人区分、逐词时间戳和专业词汇偏置。开发者可以提前塞入人名、药名或行业术语，减少冷门词被听错。 这次提升最明显的是速度。Artificial Analysis 的非实时转写测试里，MAI-Transcribe-2 达到约 410.7 倍实时速度，也就是 1 小时录音理论上约 9 秒处理完。GPT-Transcribe 约为 40 倍，前者快约 10 倍；Gemini 3.5 Transcribe 约为 89.8 倍。 准确率也在第一梯队。它在 FLEURS 的 60 种语言测试中平均 WER（词错误率，越低越好）为 5.2%，排名第一；在 Artificial Analysis 的另一套非实时英文测试中 WER 为 2.0%，排第二，仅低于阿里 Fun-Realtime-ASR-preview 的 1.7%。 价格目前只有每小时 0.10 美元，上一代 MAI-Transcribe-1.5 是 0.36 美元。不过这是限时价格，只持续到 2026 年 12 月 31 日，之后正式价格还没有公布。
豆包工作上新，支持多Agents并行与Mac操作电脑
火星财经消息 9月2日，豆包工作发布两项新功能：一是多Agents并行，在多Agents并行的机制中，负责组织的主Agent会先行拆解，将比较垂直、专业的任务则交由不同的子Agent分别处理。二是Mac系统的操作电脑功能，可让豆包实现本地GUI操作，在没有MCP、API、插件和CLI的情况下也能看懂界面并完成相应操作。（广角观察）