待验证80% 置信事实时间未知

Gemini 2.5 Flash能够直接处理音频输入进行端到端转录，而非传统的管线式ASR处理

1

来源数

80%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

视频转文字开源工具：字幕提取+Gemini AI听写双模式方案

githubJane-xiaoer

涉及实体

Gemini 2.5 Flashmodel

相关事实

待验证Gemini Omni Flash 能生成与画面同步的音频，并允许在提示词中定义音频类型79% 相似待验证claude-skill-video-transcribe以Gemini 2.5 Flash作为核心转录引擎76% 相似待验证Gemini Omni Flash 不支持原生音频输入，无法上传音频文件来驱动生成75% 相似已验证Gemini 3.5 Flash是目前少数同时支持自然语言对话式视频生成与实时编辑的模型73% 相似待验证Google 推出了 Gemini Flash TTS（低延迟优化）和 Gemini Pro TTS（质量优化）两个语音合成模型70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/29421

API

curl https://kongchang.com/api/v1/knowledge/claims/29421

MCP

get_claim(id=29421)