Google 发布 Gemini 3.5 Transcribe：新一代语音转文字模型支持实时转写与智能整理
Google 发布 Gemini 3.5 Transcribe，新模型面向实时与录音语音转文字，支持 85+ 语言、说话人分离、词级时间戳、自定义词汇与智能整理，并通过 Gemini API 向开发者开放。
阅读全文
Tag
AI
当前标签下共有 4 篇内容。
LogoCreator：基于 FLUX 的开源 AI Logo 生成器，让品牌设计从几分钟缩短到几秒
LogoCreator 是一个基于 FLUX 模型的开源 AI Logo 生成器，通过简单的品牌描述快速生成视觉方案，帮助开发者和创业团队降低早期设计成本。
阅读全文
RenderCaption：一个面向多语言语音转文字与字幕生成的离线开源 AI 工具
RenderCaption 是一个开源离线 AI 语音转文字与字幕生成工具，通过多语言优化模型、本地推理和桌面应用体验，帮助用户在无需云端服务的情况下完成高质量字幕制作与音频转录。
阅读全文
HeyGen 开源 HyperFrames 爆火：当 AI Agent 开始写视频，动效制作正在变成“编程”
HeyGen 开源的 HyperFrames 正在重新定义视频生产方式。借助 Codex、Claude Code 等 AI Agent，视频制作正在从传统剪辑和动效软件，转向以 HTML、CSS 和 AI 编程为核心的新范式。
阅读全文