Caption.IM是一款面向桌面端的AI实时字幕与语音输入工具，主打跨全场景的语音转写与翻译能力，目前已经获得Shopify、Vercel、Linear、Figma等多家海外知名企业团队的认可。该工具无需复杂配置即可适配任意桌面应用，核心解决线上会议、跨语言交流、音视频内容观看等场景下的语音信息获取痛点。相较于传统单一平台内置的字幕工具，其覆盖场景更广、转写准确率更高，支持多语言实时互译，能够大幅降低跨语言沟通门槛，提升语音信息处理效率。
在30人规模的跨境线上会议场景下，Caption.IM可同步捕捉会议软件的语音流，实时生成准确率98%以上的原语言字幕，同时可一键切换为法语、中文等50+语言的翻译字幕，延迟低于1秒，专业术语识别准确；在观看无字幕外文播客、讲座视频时，可自动生成悬浮同屏字幕，无需切换应用即可清晰获取语音内容；针对2小时以上的长时段课程录制场景，可完整记录全部语音内容，保留语气、停顿等表达细节，方便后续内容整理。
15 小时前
2026年4月3日，微软正式发布自研MAI系列第三款AI模型MAI-Transcribe-1，该语音转写模型在FLEURS基准测试中实现25种语言平均词错误率仅3.9%，11种核心语言转写精度登顶，性能优于OpenAI Whisper-large-v3、Google Gemini 3.1 Flash等同类产品，是目前全球精度最高的通用多语种语音转写模型。
6 小时前
谷歌近期正在推进端侧轻量化大模型Gemini Nano 4的终端适配工作，预计2025年第一季度发布的下一代安卓旗舰机型将率先搭载该模型。其端侧推理性能较上一代提升62%，支持离线语音交互、实时图像生成等12项新增本地AI功能，无需上传数据至云端即可完成运算，在隐私安全性、响应速度上均有显著提升。
7 小时前
近日一项智能体工作流落地实测显示，开发者通过搭建单款定制AI智能体，搭配开源免费工具与可直接复用的提示词模板，成功替换掉原有的月费150美元的SaaS工具栈，覆盖内容生成、日程管理、数据统计三类核心办公需求，实测运行30天无功能断层，为中小企业和个体开发者降低AI工具成本提供了可复制的落地路径。
7 小时前
2026年4月3日，美团技术团队正式发布原生多模态大模型LongCat-Next，该产品依托自主研发的DiNA（离散原生自回归）架构，突破传统“语言基座+插件”的拼凑式架构局限，实现图像、语音、文本的同源离散Token转化，视觉分词器压缩比达28倍，可原生实现对物理世界的“看”“听”能力，为多模态大模型发展提供了新的技术路径。
8 小时前
2026年4月3日，谷歌DeepMind正式开源推出旗下迄今最强开放大模型Gemma 4系列，共覆盖4种参数规模，最小版本仅2B参数可直接在手机端运行，且全系列支持免费商用。该系列单位参数性能远超参数规模达其20倍的同类模型，31B参数版本位列Arena AI文本排行榜全球开放模型第三位，高难度科学推理基准GPQA Diamond准确率达85.7%。
8 小时前
2026年4月3日消息，2023年成立的印度AI初创公司Sarvam AI正式开启新一轮融资，计划募集3亿至3.5亿美元，由贝塞默风险投资领投，亚马逊、英伟达及沙特阿美旗下风投Prosperity7Ventures均在参投行列，融资完成后公司投后估值将达15亿至15.5亿美元，凸显全球资本对印度本土AI赛道的长期看好。
8 小时前
2026年3月，头部AI企业OpenAI隐秘资助成立“父母与儿童安全AI联盟”，推动加州出台儿童AI安全领域立法，倡导年龄验证、家长控制、禁止未成年人定向AI广告等监管规则，全程未公开其出资方身份，目前已有多家此前加入的儿童安全非营利组织因信息不透明选择退出，引发行业对AI企业干预监管立法透明度的广泛讨论。
9 小时前
2026年4月3日，广汽本田面向纯电车型P7正式推送智导互联4.2.2系统OTA升级，核心升级为全面接入AI大模型，新增支持用户自定义的“声音复刻”功能。升级后车型座舱交互能力大幅提升，可实现旅行攻略自动生成、用车问题智能答疑、自然多轮对话等能力，标志着本田在华纯电车型正式进入大模型原生驱动新阶段。
滇公网安备 53252802528133号
