谷歌推出的AI Edge Gallery应用在iPhone上支持离线运行Gemma 4模型，强调隐私保护和本地数据处理。核心功能包括代理技能、思考模式、图像识别和语音转录，适合开发者和AI爱好者。应用大小为35.4MB，符合欧盟法规。

本期《派评》介绍了几款新应用：运动分析工具The Outsiders、照片处理工具Radiance+、离线语音转录Whistle和本地音乐播放器Pixel Play。The Outsiders专注运动表现与恢复，Radiance+提升照片亮度，Whistle支持多语言离线转录，Pixel Play提供丰富音乐体验。

本文探讨了文本到音频音乐生成模型在长期音乐创作中的应用，特别是桌面角色扮演游戏（TRPG）的原声音乐生成。介绍了Babel Bardo系统，该系统利用大型语言模型将语音转录转换为音乐描述，从而提升音质和故事连贯性。

该研究提出了Differentiable Average Lagging (DAL)模型，用于追踪同步系统延迟，应用于机器翻译和语音转录。文章探讨了同步文本与语音翻译结合的方法，提出新的评估指标LAAL和ATD，分析翻译质量与延迟的权衡，旨在改善实时语音翻译的性能和评估框架。

Azure AI语音服务扩展功能，包括语音转文本、文本转语音、语音翻译、说话人识别和发音评估。开发者可通过SDK和API集成，适用于实时或批量应用。文章介绍了在教堂环境中的应用，如实时翻译和语音转录，提升多语言服务的便利性。情感分析和自定义语音功能增强用户体验。

该文章介绍了UCLA Phonetics Lab Archive的语音技术和比较语言学研究，以及他们提供的经过审核的语音转录和音素级对齐的语料库VoxAngeles。该语料库可用于定量音位类型学、跨语言音韵学、资源匮乏和多语言语音技术的研究。

本文介绍了SlideAVSR数据集和DocWhisper模型。SlideAVSR数据集用于评估模型在演示录音中将语音转录为滑动演示文本的能力。DocWhisper模型在SlideAVSR数据集上验证了其有效性。

Whisper Transcription是一款支持100多种语言的语音转录文字工具，适用于Mac平台，支持离线转录。它具有录制和转录音频文件、导出字幕文件、快速转录、突出显示字词等功能。支持多种音频格式和批量转录，可导出为PDF或HTML。