Google AI Edge Gallery 加入端侧语音识别与合成,支持全离线语音交互
摘要
Google 在 AI Edge Gallery 中新增端侧 ASR 与 TTS 能力,可与 Gemini Nano、Gemma 4 等端侧小模型组合,构建完全离线的语音交互管线,语音数据无需上传云端。
Google 正在把语音交互能力进一步推向设备端。其 AI Edge Gallery 应用新增了端侧自动语音识别(ASR)与文本转语音(TTS)功能,使语音输入与语音输出都能在本地完成。
据 Google 介绍,这两项能力可与 Gemini Nano、Gemma 4 等端侧小语言模型(SLM)衔接,形成一条完整的离线语音交互管线:从用户说话、本地识别、模型推理到语音合成,各环节均不依赖云端。
对开发者而言,这一组合提供了一套可直接参考的端侧语音方案,语音数据无需离开设备即可完成处理。该能力目前已在 Google AI Edge Gallery 中上线。
本文由新大陆基于公开信息编辑整理
信息来源:AIHOT AIHOT原文 ↗