IBM 更新语音系列，分别强化转写速度与说话人归属

Granite Speech 更新包含 20 亿参数语音模型、高速 4.7 亿参数转写模型和多说话人增强版，分别面向准确率、端侧吞吐及长会议记录。博文列出关键词偏置和时间戳改进；支持英译中文，不应误解为中文语音转写已获支持。

H1 个来源21.4273660571786842 天前语音识别会议记录多语言

要点

字幕和会议产品要分别检查语言方向、转写准确率和说话人标签，不能只按同一系列名称选型。

多语言字幕、海外会议记录及语音工具开发者会受影响。

从博文按需求选择 2B、Turbo CTC 或 Plus 模型卡，先用目标语言短录音测试；中文需求需核对转写与翻译方向。

免费未实测

本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。

10月13日，谷歌扩大Gemini 4 Argon的开放范围，开发者可通过AI Studio等入口使用。首发标准输入和输出价格为每百万词元2美元、10美元，缓存输入优惠95%；Gemini应用和Antigravity的使用还取决于订阅等级。

MOSS-Image 结合 50 亿参数扩散模型和意图感知提示增强，重点处理长段中英文与信息密集图形。技术报告提供文字和布局评测，模型页已给出 Base、SFT 及运行说明，HF Space 也可查看并尝试带布局要求的生成流程。适合先检查文字分组效果。

DeepSeek 发布 V4.1-Flash-1017，并同步更新网页、应用和接口，针对 Harness 等执行环境优化任务表现、输出长度与耗时。中文实测展示三维网页和游戏制作，同时出现建筑细节偏差；低价与成功交付仍需按完整任务一起评估。

OpenAI于9月29日推出GPT-6.1 Sol，面向编程、电脑操作与专业工作。标准API每百万输入和输出词元分别为2美元、10美元，缓存输入为0.10美元；官方称部分任务表现接近Astra，已进入ChatGPT Work、Codex和API。