待验证50% 置信基准精确时间

Google在Gemini Embedding论文中量化：直接对音频做embedding在声音检索基准上得分73.99，先转录成文本再embedding只有70.40

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

EmbeddingGemma 2实测：手机就能跑的多模态检索模型

涉及实体

Gemini Embeddingmodel Googlecompany

相关事实

待验证谷歌Gemini TTS声音复刻只需30秒音频样本，生成音频都带SynthID水印，复刻能力在部分美国州、欧洲经济区、英国、瑞士和印度不可用71% 相似待验证谷歌为 Gemini Audio 带来了新一代文本转语音（TTS）能力70% 相似待验证Gemini Audio 提供超过一千种现成的预设声音供创作者挑选61% 相似待验证Google的AudioLM（2022）和Meta的SeamlessM4T（2023）验证了直接在音频域进行建模的可行性60% 相似待验证Google 的 AudioPaLM 是直接实现音频到音频映射的端到端语音模型60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/984898

API

curl https://kongchang.com/api/v1/knowledge/claims/984898

MCP

get_claim(id=984898)