AI资讯本地化计算：Speechify 推出原生 Windows 应用，挑战系统级语音转文字
Speechify 推出原生 Windows 客户端，升级为全栈语音助手，支持本地 AI 模型实时语音转文字，保障隐私与响应速度。
#语音识别
按标签聚合查看文章内容。
AI资讯
AI资讯谷歌在日本推出可通过手机摄像头和语音与AI互动的“Search Live”功能
美国谷歌公司于3月27日（日本时间）宣布，Android和iOS版“Google”应用中的“Search Live”功能现已支持日语。该功能利用谷歌搜索的AI模式，能够识别摄像头所见内容，实时通过语音回答用户提问，并提供相关网站链接。此次更新使得包括日本在内的200多个国家和地区的用户都能通过谷歌AI模式进行对话。 用户只需在“Google”应用的搜索栏下方点击带有三条竖线的“直播”按钮，然后用
AI资讯微软开源前沿语音AI系列VibeVoice：一次处理90分钟多说话人对话，GitHub迅速获27K星
微软发布了支持自动语音识别和文本转语音的VibeVoice语音AI模型，具备长音频处理、多说话人对话生成和实时低延迟等特性，已在GitHub获得27K星。该项目采用MIT许可证，支持本地部署，无需云服务费用，推动语音合成领域创新。
AI音频AssemblyAI 语音转写与语音理解平台
AssemblyAI 提供业界领先的语音转文字与语音理解模型，帮助企业从语音数据中高精度转写并提取深度洞察，快速构建和扩展各类 Voice AI 产品。
AI音频Deepgram 语音识别与语音理解平台
Deepgram 是面向开发者与企业的云端语音识别与语音理解平台，提供高精度、多语言、低延迟的语音转文字与语音分析能力，适用于客服质检、会议记录、实时字幕、语音助手等多种场景。
AI音频TurboScribe AI 智能转录与字幕生成工具
TurboScribe AI 是一款支持多语言的在线音视频转文字与字幕生成工具，主打高精度转录、快速处理和简单易用的网页操作界面，适合播客主、视频创作者、记者、学生和企业用户高效完成转写与字幕制作。
AI音频讯飞译制：AI视频字幕制作与翻译软件
讯飞译制是一款基于科大讯飞语音识别与翻译技术的AI视频字幕制作软件，可自动识别语音生成字幕、智能时间轴对齐，并支持多语种视频翻译与SRT/ASS/XML等字幕格式导出，适用于短视频创作者、自媒体、教育培训及企业宣传等多种场景。
AI资讯挑战英伟达霸主地位：Cohere发布开源轻量级语音识别模型Transcribe
Cohere于2026年3月26日推出了开源语音识别模型Cohere Transcribe，拥有20亿参数，专为边缘设备设计，解决大型语音模型带来的延迟问题。该模型支持14种语言，性能超越主流竞争对手，旨在通过开发者社区推动生态发展并实现商业化。
AI音频AssemblyAI 语音转写与语音理解平台
AssemblyAI 提供行业领先的语音转文字与语音理解模型，帮助企业从语音数据中精准转写并提取深度洞察，快速构建和扩展各类语音 AI 产品。
AI资讯Cohere发布首个开源语音转录模型
企业级AI公司Cohere于周四推出了其首个语音模型：Transcribe。这是一款开源的自动语音识别（ASR）模型，适用于笔记记录和语音分析等任务。 该模型参数量仅为20亿，设计目标是支持使用消费级GPU的用户自托管。目前，Transcribe支持14种语言，包括英语、法语、德语、意大利语、西班牙语、葡萄牙语、希腊语、荷兰语、波兰语、中文、日语、韩语、越南语和阿拉伯语。 Cohere表示，Tra
AI资讯谷歌在日本推出“搜索 Live”功能，支持语音与摄像头的AI模式搜索
美国谷歌公司于26日（美国时间）发布了进一步提升实时对话体验的“Gemini 3.1 Flash Live”。该音频模型是迄今为止质量最高的，能够实现下一代“语音优先”AI所需的速度和自然节奏。借助Gemini 3.1 Flash Live，谷歌在日本推出了支持语音和摄像头的新搜索功能“搜索 Live(Search Live)”。 Gemini 3.1 Flash Live已作为预览版通过谷歌A
AI音频讯飞译制：AI视频字幕制作与翻译软件
讯飞译制是一款基于科大讯飞语音识别与翻译技术的AI视频字幕制作软件，可自动识别语音生成字幕、智能时间轴匹配，并支持多语种视频翻译与多种字幕格式导出，适合自媒体、教育培训、企业宣传等多场景使用。