Dannniel (@whighw) 在 谷歌发布文本转语音模型Gemini 3.5 Transcribe 中发帖
[image]
看了官方的demo
有几个亮点:
在噪音环境中可以比较准确的识别文字
多语言转写可以无缝切换,支持85种语言
对复杂的电话号码,邮政编码和订单号识别的更准
自动去掉语气词,并将文本添加标点和格式(?)
支持自定义词汇表
又一堆startup要死了?