苹果宣布 Apple 智能将于 12 月随 iOS 27.3 在中国正式落地,首批功能包含写作工具、照片消除及实时翻译。其中实时翻译不仅整合进系统应用,更扩展至 AirPods Pro 2 等耳机,支持佩戴者进行跨语言面对面交流。该功能对机型有严格限制,需 iPhone 15 Pro 及以上设备配合特定语言设置方可使用。
语音转文字
Speech-to-Text
将音频中的语音信号转换为文本的技术
收录情报动态
被亚马逊收购的 AI 硬件初创公司 Bee 推出两款新个人 AI 设备:手腕/衣物佩戴的 Frontier(74.99 美元)和磁吸手机背面的 Eclipse(99.99 美元)。这两款设备均具备双麦克风降噪、长续航及 USB-C 充电功能,并配套全新设计的移动端与桌面端应用。其定价显著低于 Plaud Note 等竞品,旨在通过高性价比切入个人语音记录市场。
大眼橙与钉钉联合发布首款可弯折 AI 听记眼镜 Q1,定价 1299 元起。该产品通过原生深度集成钉钉办公体系,实现从会议录音、智能转写到日程待办自动落地的完整工作流闭环,并采用轻量化纯钛设计与头部姿态交互技术解决佩戴舒适度痛点。
知名开发者 Simon Willison 展示了利用 ChatGPT 桌面端 Codex 标签页的语音对话模式,在本地开发环境中通过纯语音交互完成博客 Newsletter 索引页面的构建。该案例验证了“语音输入+实时预览”工作流在非键盘场景下的可行性,体现了 AI 编程助手从文本指令向多模态自然交互演进的趋势。
谷歌推出实验性笔记应用 Google AI Edge Foresight,利用端侧模型 EmbeddingGemma 2 在 macOS 上完全离线处理音频转录与会议摘要。该工具无需云端连接即可运行,旨在通过本地化部署解决隐私顾虑,目前仅支持 Apple Silicon 芯片设备。
Descript 通过重构翻译流水线,利用大模型推理能力解决视频配音中语义保真与时长适配的冲突。该方案将传统昂贵的人工翻译流程自动化,实现了高质量、大规模的多语言视频本地化部署。
谷歌宣布将推出新一代医疗图像解读模型MedGemma 1.5及医疗语音转文字模型MedASR。目前仅公布名称,缺乏具体参数、性能指标或技术细节。