GPT-4o音频ASR性能对比

研究报告节选:

• 在 Google 新一代 Gemini 技术的推动下，Google Astra 提供了一种更流畅、更直观的方式进行人机交互。Gemini 框架擅长分析大量图像、视频和音频数据，使 Astra 能够学习并适应周围环境的复杂性。Project Astra旨在通过结合视频、音频和文本输入，实现更加流畅的人机交互。