Fish Audio 模型免費登陸 Vercel
Vercel AI Gateway 現已提供四款 Fish Audio 語音與轉錄模型，並開放免費使用至 9 月 18 日。開發者可透過 AI SDK 7 生成語音與轉錄音訊，也能使用瀏覽器中的模型 Playground。
Search
Tag: #speech-to-text29 results
Wispr Flow 讓語音輸入更輕鬆
Wispr Flow 是一款支援 Windows、macOS、iOS 與 Android 的語音聽寫工具。文章強調其體驗比裝置內建的語音轉文字工具更順暢，並介紹免費試用方式。
不靠雲端的私密 Mac 語音輸入
文章介紹一款免費的本機 AI 語音輸入應用程式，可將語音轉錄內容直接貼入任何 Mac 應用程式。它不需要訂閱或雲端連線，並以高準確度獲得好評。
🎵
千問大模型升級實時語音識別模型 Fun-ASR-Realtime
阿里巴巴千問大模型升級了實時語音識別模型 Fun-ASR-Realtime，該模型首字延遲控制在百毫秒級別。它支援 30 種語言與 16 種方言，識別準確率接近離線模型。
Google 推出 iOS 離線優先 AI 語音 App
Google 悄然在 iOS 推出離線優先 AI 語音轉文字 App。該 App 由 Google 的 Gemma AI 模型驅動。旨在挑戰 Wispr Flow 等應用。
微軟 MAI-Transcribe-1：全球最準文字轉寫模型
微軟推出 MAI-Transcribe-1，宣稱在 25 種語言平均詞錯誤率（WER）僅 3.9%，為全球精度最高轉寫模型。此為繼 MAI-Voice-1（語音合成）及 MAI-Image-2 後的第三款 MAI 系列模型。這擴展了微軟自研 AI 產品線。
微軟推出新 AI 模型擴大超越 OpenAI
微軟推出 MAI-Transcribe-1 新語音轉文字模型。內部開發的 MAI-Voice-1 與 MAI-Image-2 首次廣泛提供給開發者商用。此舉擴大微軟獨立於 OpenAI 的專有 AI 能力。
Cohere 頂尖多語言語音轉文字在瀏覽器中
Cohere 推出語音轉文字模型，在 OpenASR 排行榜英文項目領先，支援 14 種語言。WebGPU 示範使用 Transformers.js 在瀏覽器中完全本地運行。Hugging Face 上有原始碼和示範。
Pixel 11 讓語音輸入更懂自然說話
Pixel 11 推出 Rambler，這項 Gemini Intelligence 功能可整理自然語音並轉換成更清晰的文字。它讓 Gboard 聽寫更能容忍口語表達，同時保留由使用者進行最後編輯的控制權。
Wispr 推出免機器人的 AI 會議筆記工具
Wispr 推出 Flow Notetaker，這款 AI 助理可錄製會議、產生即時逐字稿及結構化摘要，且不需要機器人加入通話。它也支援面對面對話、可搜尋的會議紀錄，並透過 Model Context Protocol 整合 Claude 與 ChatGPT。