関連ニュース
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...
GIGAZINE
10/14 13:00
Microsoft、“世界でもっとも高速・高精度で安価”とうたう音声認識モデルを発表、「MAI-Transcribe-2」／60言語の平均単語誤り率（WER）で比較対象中トップ、処理速度も向上
はてなテクノロジー
09/07 06:35
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...
GIGAZINE
09/04 03:11
「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...
GIGAZINE
08/27 04:15
出典メディア
GIGAZINE (4)
はてなテクノロジー (1)
つながり
数字は「音声認識モデル」と一緒に出てきた記事の本数。 グラフには強いものだけが出るので、ここが全部です。
音声認識
5
AI・人工知能
4
Transcribe
3
Google
3
MAI-Transcribe-
2
MAI-Transcribe
2
Gemini
2
MAI
2
Microsoft
2
Embedding
1
;transcribe/">
1
一般的
1
5倍高速
1
日本語特化
1
Intelligence
1
;transcribe/">続き
1
最高性能
1
オフライン環境
1
60言語
1
平均単語誤り率
1
パラメーター数6億
1
最新モデル
1
日本語特
1
GPT
1
10倍高速
1
インターネット
1
オフライン
1
10倍
1
専門用語
1
比較対象中トップ
1
アプローチ
1
平均単語誤り
1
Silicon搭載Mac
1
AI企業
1
...</a></b
1
EmbeddingGemma
1
.net/news
1
えー
1
WER
1
爆速文字
1