Transcribe

NVIDIA、文字起こしAIを公開 日本語など40言語、話者の区別や翻訳も

米NVIDIAは10月28日（現地時間）、録音した音声を文字にする開発者向けAIモデル「Nemotron 3.5 Transcribe」を公開した。日本語を含む40言語の文字起こしに対応し、話者...

NVIDIAが文字起こしAI「Nemotron 3.5 Transcribe」を公開、大勢が同時に話す場面でも高精度な話者識別が可能

NVIDIAが文字起こしAI「Nemotron 3.5 Transcribe」を現地時間の2026年10月28日に公開しました。複数の話者を識別しながら高精度な文字起こしが可能です。続きを読む...

GoogleのEmbeddingGemma 2を音声認識モデルに変換した「Embedding Gemma Transcribe」、オフライン環境のMacなら15分の音声をわずか約3秒で爆速文字起こし可能

音声をテキストに変換する文字起こしには一般的に音声認識専用のAIモデルが使われます。しかし、文章の意味を数値で表現する埋め込みモデルのEmbeddingGemma 2を利用して音声を文字起こしす...

Microsoftが文字起こしAI「MAI-Transcribe-2」をリリース、Gemini 3.5 Transcribeより5倍高速＆GPT-Transcribeより10倍高速

60の言語を自動で検知して文字起こしするという音声認識モデル「MAI-Transcribe-2」をMicrosoftがリリースしました。OpenAIやGoogleの最新モデルより高性能かつ高速な...

Metaがリアルタイム文字起こしAI「Muse Voice Transcribe」をリリース

Meta Superintelligence Labs(Meta超知能ラボ)が、初のリアルタイム音声認識モデル「Muse Voice Transcribe」を発表しました。Metaのリアルタイム...

「えー」「あー」を除去して複数話者音声文字変換「Gemini 3.5 Transcribe」

Googleは26日(米国時間)、新しい高精度な音声文字変換モデル「Gemini 3.5 Transcribe」を発表した。背景のノイズなどの影響を低減し、音声データを正確で洗練されたテキストに...

「あー」「えー」などを自動削除しつつリアルタイムで文字起こししできる音声認識モデル「Gemini 3.5 Transcribe」をGoogleが発表

ノイズや複雑な専門用語、話し言葉などにも苦しむことなく、生の音声データから正確で洗練された書式設定済みテキストを生成できる音声認識モデル「Gemini 3.5 Transcribe」をGoogl...

Google、「Gemini 3.5 Transcribe」を発表 ～「あー」「えーっと」まじりの声も話者の意図をくんだ整ったテキストに／Androidや「Gemini」アプリに導入、「Chrome」にも搭載予定

スマホのカメラで手話を認識、Google Deepmindが手話翻訳AIをPixel 11に提供

<p>Google DeepMindは8月12日、手話をテキストへ翻訳するAIモデル「SL2T」を発表しました。GboardとLive Transcribeに搭載され、まずASL（アメリカ手話）...