更新(4月7日,太平洋时间晚10:30):该公司已更新应用商店页面,删除了对Android应用的相关描述。同时新增说明iOS键盘功能即将推出。
周一,谷歌悄然发布了一款名为"Google AI Edge Eloquent"的离线优先语音听写应用,该应用在iOS平台上线,旨在与Wispr Flow、SuperWhisper、Willow等同类产品竞争。
这款应用可免费下载,一旦基于Gemma的自动语音识别模型下载完成,用户就可以开始在手机上进行语音听写。在应用中,用户可以看到实时转录内容,点击暂停后,应用会自动过滤掉"嗯"、"啊"等填充词,并润色文本。
转录内容下方提供"要点"、"正式"、"简短"和"详细"等选项来转换文本风格。
用户还可以关闭云端模式,仅使用本地处理功能。当云端模式开启时,应用会使用基于云端的Gemini模型进行文本清理。Google AI Edge Eloquent可以根据需要从用户的Gmail账户导入特定关键词、姓名和专业术语,用户还可以添加自定义词汇到列表中。
应用会显示转录会话历史记录,并支持搜索功能。它可以显示上次会话中听写的词汇、每分钟词汇速度以及总说话词数。
谷歌在App Store的应用描述中写道:"Google AI Edge Eloquent是一款先进的听写应用,旨在弥合自然语音与专业、可用文本之间的差距。与逐字转录结巴和填充词的标准听写软件不同,Eloquent利用AI捕捉用户的真实意图。它会自动编辑掉'嗯'、'呃'和句中自我纠正,输出干净、准确的文字。"
虽然该应用目前仅在iOS平台提供,但App Store描述中提到了Android版本。根据描述,Eloquent提供"无缝Android集成",可设置为用户的默认键盘,实现系统级跨文本字段访问。此外,该应用还将提供浮动按钮功能,类似于Wispr Flow在Android上使用的功能,方便从任何位置轻松访问转录功能。
随着语音转文本模型的不断改进,AI驱动的转录应用在用户中越来越受欢迎。通过这款实验性应用,谷歌正在加入这一趋势。如果这次测试成功,我们可能会在Android平台上看到改进的转录功能。
Q&A
Q1:Google AI Edge Eloquent应用有什么特殊功能?
A:Google AI Edge Eloquent是谷歌推出的AI语音听写应用,基于Gemma自动语音识别模型。它能实时转录语音,自动过滤"嗯"、"啊"等填充词并润色文本,提供"要点"、"正式"、"简短"、"详细"等文本转换选项,支持离线使用和云端处理两种模式。
Q2:这款应用支持哪些平台?
A:目前Google AI Edge Eloquent仅在iOS平台提供,可免费下载。虽然App Store描述中提到Android版本,但谷歌已更新页面删除相关描述,表示iOS键盘功能即将推出。
Q3:Google AI Edge Eloquent和其他语音转录应用有什么区别?
A:与标准听写软件逐字转录不同,Google AI Edge Eloquent利用AI理解用户真实意图,自动去除结巴和填充词,输出更专业的文本。它还能从Gmail导入个人词汇,支持自定义词典,并提供转录历史搜索和统计功能。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。