Gemini 3.5 Transcribe:Google 智慧語音轉文字模型評析

Google 2026 年 8 月推出專用語音轉文字模型 Gemini 3.5 Transcribe。本篇評析核心功能、辨識準確度、定價與 Speaker Diarization 的技術路線與限制。

Google 2026 年 8 月推出專用語音轉文字模型 Gemini 3.5 Transcribe。本篇評析核心功能、辨識準確度、定價與 Speaker Diarization 的技術路線與限制。
Google 已經將其實驗性人工智慧筆記應用程式 NotebookLM 推出至美國市場,並新增了許多功能。這款應用程式採用 Google 的 Gemini Pro AI 模型,以增強文件理解和推理能力。NotebookLM 不僅能夠摘要文件、提取關鍵點,還能回答有關筆記來源的問題。新功能讓用戶將筆記轉換成其他類型的文件,如大綱或學習指南,並選擇不同的格式。此外,根據用戶在應用程式中的操作,NotebookLM 會提供建議動作,比如改進文案的工具或推薦相關想法。還有其他功能,如保存有用回應、共享筆記,以及將 AI 聚焦於特定來源。Google 也放寬了 NotebookLM 的限制,允許用戶在筆記本中包含更多來源和文字。這款應用程式原名為 "Project Tailwind",最初於 5 月的 I/O 大會上推出,並在其 GPT-4 競爭對手 Gemini 公布數日後推廣至美國市場。
在 12 月 13 日,Google 在台灣釋出了 Google AI Studio 和 Gemini Pro 的 API,供公司進行測試。Google Gemini 利用 Google AI Studio,而 GPT 3.5 和 GPT 4 則使用 ChatGPT。在測試期間,總結了一個基於 Django Ninja 開發的框架 Django Ninja CRUD,旨在簡化 CRUD(創建、讀取、更新、刪除)端點和測試開發。發現 Gemini Pro 偏好較短的回應,而 GPT 4 則提供了最簡潔全面的內容。