GoogleがWER 2.6%・85言語対応の文字起こし専用「Gemini 3.5 Transcribe」を外部公開 — 話者識別・リアルタイム対応でWhisperに挑む
DRANK

8月26日、Googleが「Intelligent transcription with Gemini 3.5 Transcribe」と題した記事を公開した。文字起こし特化モデル「Gemini 3.5 Transcribe」の概要と、外部開発者向けAPIの詳細について紹介している。

by @tf_official
Related Topics: AI AI Music/Voice Generator Machine Learning