AI资讯谷歌发布支持最多三人话者识别的音频转录模型“Gemini 3.5 Transcribe”
谷歌推出全新音频识别模型,支持多语言和多话者识别,提升转录效率。
按标签聚合查看文章内容。
AI资讯谷歌推出全新音频识别模型,支持多语言和多话者识别,提升转录效率。
AI资讯Meta Superintelligence Labs推出支持多语言和多说话人分离的实时语音识别技术。
AI资讯Google在Google Chat的Gemini功能中,新增了多种非英语语言支持,提升多语言沟通效率。
AI资讯美国谷歌公司于7月8日宣布,将“Google 幻灯片”内容转换为视频的功能——“Google Vids”支持的语言扩展至包括日语在内的七种语言。 通过“Google Vids”,用户可以将基于幻灯片的演示文稿转换成视频,AI会自动生成视频脚本、旁白、背景音乐和动画效果。此前该功能仅支持英语演示文稿和账户,现已新增支持日语、韩语、法语、德语、意大利语、葡萄牙语和西班牙语。 使用该功能时,用户只需打
Deamoy AI 是一款面向内容创作者和企业团队的智能创作与协作平台,集写作辅助、灵感生成、多语言支持与团队协同于一体,帮助用户高效产出高质量内容。
AI资讯语音AI公司ElevenLabs发布了其音乐生成模型的全新版本Music v2,该模型能够在一首曲目中途切换不同音乐风格。该公司表示,这款模型不仅能处理复杂的声乐表现,还能应对多样的作曲需求。此次发布距离该初创公司推出首个音乐生成模型版本已近10个月。 ElevenLabs指出,Music v2可以在歌剧与重金属之间自由切换,快速说唱时保持连贯性,并能在曲目中加入非音乐的音效。艺术家们可以选择歌曲
AI资讯Google为Google Vids的AI语音引擎新增了30种丰富表达力的对话音色,支持24种语言。
AI资讯谷歌在2026年Android开发者大会(Android Show: I/O Edition 2026)上宣布推出Rambler,这是一项基于AI的语音转写新功能,集成于其广受欢迎的Android键盘应用Gboard中。此举使谷歌直接与近年来在桌面和移动端积累用户的AI语音转写应用如Wispr Flow和Typeless等展开竞争,而这些应用大多尚未在Android平台上站稳脚跟。 Rambler
AI资讯谷歌宣布推出集成于键盘应用“Gboard”的全新语音输入功能“Rambler”。该功能利用生成式AI“Gemini”的语言理解能力,能够从人类自然的口语中剔除多余词汇,整理重点内容并转化为文本。 消除“口语”与“书面语”的差距 谷歌指出,虽然现有语音输入技术在速度和准确性上表现优异,但人类自然对话中常包含“嗯”、“那个”等填充词以及频繁的自我修正。Rambler突破了传统“逐字输入”的模式,借助A
AI资讯DeepL发布了支持多语言的实时语音翻译AI模型AuRe,能够捕捉并反映说话者的情感变化。
AI资讯Otter.ai,这款基于人工智能的笔记工具,于周二宣布将大幅扩展其多语言功能,推出一项全新的多语种转录功能,能够在同一会议中跟踪说话者切换语言的对话内容。 此次更新还新增了27种语言支持,成为迄今为止最大规模的语言扩展。完成后,Otter将支持总计31种语言,使该平台对国际团队更加友好和易用。 新功能能够自动识别语言切换,无需用户手动调整设置。例如,通话可以从英语切换到韩语再到葡萄牙语,Otte
AI资讯谷歌于周四为其视频编辑应用Vids推出了多项新功能,包括通过文本提示指挥和定制虚拟形象、支持Veo 3.1模型、可将视频导出至YouTube以及通过Chrome扩展进行录制。 用户现在可以使用自然语言提示来指导虚拟形象在场景中“表演”,例如让虚拟形象与产品、道具或设备互动。谷歌表示,尽管输出内容动态多变,Vids依然保证了角色的一致性。 此外,用户还能根据视频主题,通过调整虚拟形象的外观、服装以及