Google 发布 Gemini 3.5 Transcribe:专做语音转文字的模型到底强在哪
Google 推出专用于语音转文字的 Gemini 3.5 Transcribe,主打高速与低成本,原生支持说话人分离和词级毫秒时间戳,覆盖 85+ 种语言并支持中英混说,可通过自定义词表降低专有名词拼写错误。
AI快讯
模型发布、产品动态和行业观察,统一按发布时间从新到旧排列。
Google 推出专用于语音转文字的 Gemini 3.5 Transcribe,主打高速与低成本,原生支持说话人分离和词级毫秒时间戳,覆盖 85+ 种语言并支持中英混说,可通过自定义词表降低专有名词拼写错误。
一篇arXiv论文展示了名为Station的开放世界多智能体环境,来自不同模型家族的AI智能体自主选择研究方向、跑实验并共享文献。在12道构造题加2个补充案例中,有5道题得出新结果,所有对话和验证代码均已公开。
我国大模型日均词元调用量已突破500万亿,规模稳居全球第一梯队。旗舰模型几乎月更,行业焦点从参数比拼转向智能体落地与生态建设,推理算力需求随之爆发。
斯坦福领衔的团队发布 Terminal-Bench-Science 0.1,用 70 个跨学科任务考核 AI 智能体在真实科研工作流中的能力,挑战现有模型在生命、物理、地球、数学和工程等领域的短板。
Google DeepMind 上线 Gemini Omni 1.1 Flash,主打场景扩展、首尾帧控制和 4K 输出三项能力,让开发者在视频生成上首次同时掌控时长、过渡与分辨率,向生产链路更近一步。
通义千问放出 Qwen3.8-Flash 开源权重,作为 Qwen4 架构早期预览。125B 总参数、每 token 仅激活 6B,训练成本降至前代九分之一,API 定价低至每百万输入 0.16 美元。
一项调查显示,有组织在9天内发布124篇、超56万字的报告,专门优化内容让ChatGPT等AI聊天机器人引用。这种新型"AI搜索优化"正在冲击AI答案的可靠性,也给国内使用AI工具的用户敲响警钟。
安全研究员David Buchanan披露,C2PA内容认证在Android平台可被root权限攻破,攻击者能利用StrongBox安全芯片伪造符合规范的相机签名图像。该漏洞源于信任根设计假设,常规补丁难以修复,对AI内容溯源体系影响深远。
Andrew Ng 名下 OpenWorker 发布新版,把代码漏洞扫描、依赖供应链注入、云配置检查三类网络安全智能体集成进完全开源的 harness,并支持本地运行开源权重模型,让敏感代码不必出内网。
SemiAnalysis 创始人 Dylan Patel 预测,OpenAI 和 Anthropic 到 2028 年将控制全球大部分 AI 算力,理由是它们能把算力变成收入、出价更高。这会直接影响 API 定价、开源路线走向和企业的算力采购。