谷歌发布Gemini 3.5 Transcribe语音转文本模型，提升实时转写准确率、降低延迟，支持85种语言，自动去除口头语并修正表达，可区分说话者。流式转写延迟低于1秒，错误率低至2.6%。已通过Gemini API公开预览，未来支持Chrome浏览器。

本文介绍了一款专为工业环境设计的本地化语音录制与实时转写工具，支持离线操作，适用于Windows和macOS，能够快速将语音转为文本，提高记录效率，确保数据安全，适合嘈杂环境使用。

Tata Communications推出了由Agentic AI驱动的Voice AI平台，这是首个语音对语音的客户互动解决方案，具备即时决策、多语言支持和低延迟，支持40余种语言，提供实时语音转写和情绪分析等功能，适用于各行业，尤其是金融科技领域。