AssemblyAI 推出 STT-3.7 即時語音模型,86 毫秒產生最終逐字稿
AssemblyAI-STT-3.7-Realtime-Agent Lands 86 ms Finals — Dual-Track WASAPI Still Sets the Overlay Floor
重點導讀
即時語音翻譯看起來很快,整段對話仍可能因為收音和傳送音訊而延遲。
- AssemblyAI 在 11 月 18 日推出三款 STT-3.7 模型,其中 Realtime-Agent 在語音結束後 86 毫秒產生最終逐字稿。
- 這項數字來自 AssemblyAI 自家的測試。文章也說明,在 Windows 通話程式旁顯示翻譯建議時,麥克風和通話聲音要分開收錄,才能保留說話者資訊。作者估計,調校良好的電腦從說話結束到畫面顯示文字,通常要 150 到 400 毫秒。
- WASAPI 收音緩衝和網路傳送都會增加時間,因此只看模型速度無法代表整體體驗。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處dev.to
AssemblyAI-STT-3.7-Realtime-Agent Lands 86 ms Finals — Dual-Track WASAPI Still Sets the Overlay Floor
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Dev.to Top Tech (dev.to)
開啟原文