过去呢语音转文字呢
大家都是在追求我们的一个精确度
那么每个字呢
都要清晰的辨识出来
但是呢这在AI时代呢
已经是最基本的功能了
那么更重要呢
反而是能不能将我们多余的词去除
把内容呢整理成合适的格式等等对吧
那这样之后呢
我们就不用再花时间去修理
直接就能用
那么因此呢
谷歌发布了它的
新一代语音转文字模型
那么就是Gemini 3.5 Transcribe
那么这款模型呢
它总共有四大核心的一个功能
Gemini 3.5 Transcribe支持呢超过85种语言
而且呢是自动侦测
你不用呢事先告诉他这段录音
这段语音讲的是哪个语言
那么模型呢
它自己会去判断区域口音跟方言
那么这通常呢需要中英文
夹杂的使用场景来说相当方便
另外呢说话人区分呢还支持将我们的
发言者自动识别
可自动标识呢每段内容是由谁说的
那么目前呢
最多自动支支持呢
最多 8 位发言者
那么不过官方注明呢
是3 位以上的发言者呢
仍目前在实验上的一个功能
那么还有一个呢
就是它的一个智慧转录
那么可以说是Gemini
3.5transcribe的一个最大特点
那么传统的语音转文字呢
就是逐字转
你讲什么
它输出什么
它包含你所有的一个口误停顿和废话
Gemini 3.5 Transcribe呢
多做了一层理解
那么像是你说我们礼拜二见不
是礼拜三
那么模型呢
会自动判断后面那句修正
那么最后呢
只留下了礼拜三
那么同样的其他类似“哦”的
填空音呢
也会被清掉同样呢
语气自然的停顿也不会被
当成一个我们的一个句号
断掉那么这个呢
就它的一个主要的核心的大功能
好那接下来呢
给大家小伙伴分享
一下我们如何去使用同样的
我们可以在Google AI Studio里面去使用它
那么关于官网上呢
它其实少介绍了一个功能
那么就它还有一个Share Audio from Tab
那么也就说呢
可以将我们浏览器上
任何的这种视频画面
都可以转换成实时的
一个音频呢转给我们
那么等会呢给大家一块体验一下
这个功能呢非常方便
那么我们以后
如果看到的视频没有字幕什么的
我们完全不用担心
我们只要打开我们的免费的Google AI Studio
那么切换到Gemini 3.5 的
Live Translation Preview这个模型上
那么在开启呢
我们就可以实时的
同步听到一个语音了
等会给大家做个演示哈
那么首先给大家说下
我们如何去使用它
我们呢打开我们的Google AI Studio的一个官网
这个网址
到时候呢
放在视频下方
那么打开之后呢
我们点击右上角
点右上角之后呢
我们选择Audio
选择Audio这选项
那么选择这个Audio选项之后呢
我们在这里选择最新的
就是刚才给大家分享的Gemini 3.5
Live Translation Preview这个模型
我们点击这里
点完之后呢
我们会进入到一个这样的界面
这个界面呢
它支持两种模式
一种是talk
第二个呢
就是Share Audio from Tab
那么talk呢
就是很简单的
直接录取你当前的
麦克风的一个语音
也就说呢
实时的转录
那么第二个呢
就是Share Audio from Tab
那么也就说
等会给大家分享了
直接通过其他浏览器的
标签页读取
这段它的声音自动给
你转成你需要语言
那么往上这里呢
有7种题词
我们都不需要改
那么下面要改的地方
就是你需要转录的这个
语言的
你的目标语言
它默认的是英文
那比如说呢
我现在选的是一个中文
你也可以选择其他的
这个呢你根据你自己的需要
我们可以看到它最多呢
支持85种语言
那么覆盖了基本上全球的各种语言
那么你就可以选择你自己的
我选择一个中文简体
选择中文简体
选择中文简体之后呢
你这里呢有两种方式
第一个呢是talk
如果说你想
开启一个转录功能
比如说整理笔记
干什么的
我们开启talk
好我们开启talk之后好
我明天呢想去公园
不我后天去
我大后天去公园
大家可以看到
它在那实时就给录出来了
因为我这里呢
是选择的目标语言和
原来呢是一样的
所以说呢
它就没有进行一个翻译
那么如果说你选择一个其他语言呢
就可以那么这个talk呢
它只是说做一些我们
的一个会议的整理
还是非常非常的不错的
你看到没有
它这呢会把一些多余的提示词呢
都给去除掉
那么保证它的一些啊
就是多余的
它保证主要的信息
保存下来
好那么另外一个功能呢
就非常重要了
就是我们的一个Share Audio from Tab
那么这个功能呢
就是说我们可以选择其他
的Tab 页来进行一个翻译
那么比如说呢
我们选择一个
好我们选择它
选完之后呢
我们选择先翻译一个
YouTube上的一个新闻
好我们点击分享
好
我们点击开始
还有数百万桶的石油美国说
不管你喜不喜欢
这场战争显然是一系列巩固
了伊朗对国家控制的行动
和我一起讨论伊朗
辩论的是约翰米尔斯
的海默教授
他是芝加哥大学的政治学教授
他也是西点军校的毕业生
曾在陆军服役区担任上尉
他是多本著作的作者
包括常规威慑和核威慑
伦理学和
大家可以看到没有
就说呢它会实时录音
把原先的这个Tab 页
的这个音量呢降低
然后呢把Google AI Studio
的这个音量呢会提高
那这样来呢
就保证我们就是原始的语音呢
它只会保持很小的一部分
并不会影响到我们就是
我们听到这个语音的清晰度对吧
而且呢它会保留
就是说它的语气用词
比如说它的这位主持人呢
它的语气用词怎么样呢
它都会进行一个自动的
一个语气用词的一个整理
所以说呢
这是非常非常
我觉得非常非常厉害的部分
那么刚才给大家测试的一个
YouTube的对吧
英语那么再给大家看一下日语
日语它也是正常的识别的
我们这里呢
只需要选择我们的目标语言就可以了
我们不需要选择它的原始语言
它模型呢会自动进行一个识别
好我们这时候点击这里
好我们选择重新选择Tab
我们选择我们选择这个
日语的这个YouTube标签
我们点击分享
开始播放
上午发布了大雨特别警报此外
已经发生了泛滥的可能性很高的河流
请大家务必采取保护生命的行动
强烈呼吁
生命面临危险
所以请立即确保自身安全
必须采取行动的情况
大家可以看到
那么这个呢也是完整的识别
了我们的一个日语的情况
而且呢它会每个
主持人比如说是男士的发音
女士的发音呢
它会自动识别
并且呢语气呢
保持一致
那么这来呢
就说没有问题对吧
它可以完全自动的识别原始的这个
语音就是他这个什么语言
他而且呢
他会自动翻成你最终设置的Target Language
也就说你设置最终的目标语言
他能保持这个的统一度
那么这个呢
给大家设置的是
我们的一个就是YouTube对吧
那么当然了
他还支持其他的一个平台
那么我们还可以连接到
比如说我们的哔哩哔哩
也是可以的
我们点击哔哩哔哩
好我们试一下哔哩哔哩的英文
really about focus
keeping what's important
and letting go of what's not
其实就是关于专注
把重要的东西留下来
把不重要的放手
没错而且我觉得当我们拥有的更少时
我们能更懂得珍惜
我喜欢这个
拥有更少
生活更多
这就是今天的主题
所以确实如此
大家可以看到
是不是它完整的支持我们的
一个任何的浏览器上的网站
不一定呢非要用YouTube和我们哔哩哔哩
那么其实所有的音频网站呢
它都是支持的
并且呢它能保证保持完整
的一个持续的体验
这个是非常非常不错的
而且呢我们每个人呢
每个用户呢
都可以去免费的去
使用它
那么其实这样来之后呢
我们的这些视频啊啊
要不要字幕都无所谓了
因为我们有了它之后呢
我们就是实时的去翻译
而且呢能保证它的语气用词
大概呢是非常非常的
体验下来还是非常不错的
那么当然呢
目前它这个就是浏览器
它这个测试下来呢
它有一定的
延迟有一定
大概有延迟个五六秒
十秒左右的一个语音的延迟
那么这样来呢
可能会有一点点的一个
在看电影的时候可能会有一点点影响
那我感觉呢
其他的
大致的影响呢
应该不是很大
但这样来呢
就帮助我们起码来说
在一个不熟悉的语言上呢
我们可以通过它快速的去了解学习
还是非常非常不错的
好今天呢
就给大家分享一个Google的Gemini
3.5transcribe的一个新兴的语言模型
到这里如果大家有什么问题呢
欢迎在视频下方给我留言谢谢