智東西
編譯 陳佳
編輯 程茜

智東西4月7日消息，谷歌今日悄然在iOS App Store上架了一款名為Google AI Edge Eloquent的語(yǔ)音聽(tīng)寫(xiě)應(yīng)用。該應(yīng)用免費(fèi)且不限使用，默認(rèn)基于本地的Gemma ASR模型完成語(yǔ)音識(shí)別、文本整理，無(wú)需聯(lián)網(wǎng)，數(shù)據(jù)不出手機(jī)；同時(shí)也支持切換至云端由Gemini進(jìn)行文本潤(rùn)色，在保障隱私的同時(shí)按需提升效果。

Eloquent還引入了個(gè)性化詞匯機(jī)制，可基于用戶常用表達(dá)建立專屬詞典，以提升識(shí)別準(zhǔn)確率。

據(jù)The Next Web，這款應(yīng)用沒(méi)有發(fā)布會(huì)、沒(méi)有博客說(shuō)明，也未通過(guò)官方渠道提前預(yù)熱，卻在功能組合上與當(dāng)前主流付費(fèi)產(chǎn)品形成直接競(jìng)爭(zhēng)。這款應(yīng)用之后會(huì)有安卓版本，但目前還沒(méi)有上架。

一、轉(zhuǎn)錄、潤(rùn)色、重寫(xiě)一站完成，端側(cè)處理保隱私、云端增強(qiáng)提效果

具體來(lái)看，Eloquent的能力可以概括為語(yǔ)音轉(zhuǎn)錄、文本潤(rùn)色與結(jié)構(gòu)化重寫(xiě)三類。這一過(guò)程將語(yǔ)音輸入、整理和輸出，壓縮在一次操作中，減少了后期手動(dòng)編輯的步驟。

打開(kāi)Eloquent后，界面會(huì)顯示一個(gè)帶實(shí)時(shí)波形的聽(tīng)寫(xiě)區(qū)域。用戶說(shuō)話時(shí)，文本會(huì)同步生成。

用戶暫停或結(jié)束輸入后，系統(tǒng)會(huì)對(duì)語(yǔ)音內(nèi)容進(jìn)行處理，自動(dòng)去除“嗯”“啊”等口頭填充詞，并對(duì)句子進(jìn)行簡(jiǎn)單整理，讓表達(dá)更接近書(shū)面文本。

處理完成的內(nèi)容會(huì)自動(dòng)復(fù)制到剪貼板，方便直接粘貼使用。

除核心轉(zhuǎn)錄功能外，Eloquent還提供四種文本轉(zhuǎn)換工具：“要點(diǎn)”（Key points）將口述內(nèi)容中的主要信息提煉為條目列表；“正式”（Formal）將轉(zhuǎn)錄文本改寫(xiě)為更專業(yè)的語(yǔ)體；“簡(jiǎn)短”（Short）對(duì)內(nèi)容進(jìn)行壓縮；“詳細(xì)”（Long）則對(duì)內(nèi)容進(jìn)行擴(kuò)展。

歷史記錄選項(xiàng)卡保存所有此前的轉(zhuǎn)錄內(nèi)容，每條均可單獨(dú)刪除。使用統(tǒng)計(jì)功能追蹤累計(jì)字?jǐn)?shù)和每分鐘字?jǐn)?shù)，這一細(xì)節(jié)面向那些希望量化自己實(shí)際口述產(chǎn)出的效率導(dǎo)向型用戶。

在個(gè)性化方面，Eloquent還引入個(gè)人詞匯字典機(jī)制，用戶可以手動(dòng)添加專有名詞與行業(yè)術(shù)語(yǔ)，以提升識(shí)別準(zhǔn)確率。

用戶在登錄谷歌賬號(hào)后，還可以選擇從近期Gmail郵件中導(dǎo)入高頻詞匯，自動(dòng)建立個(gè)性化詞匯檔案，無(wú)需手動(dòng)配置。這是整款應(yīng)用中唯一涉及谷歌賬號(hào)數(shù)據(jù)的功能，且完全可選。

這些功能背后的技術(shù)路徑，是端側(cè)優(yōu)先加云端增強(qiáng)。Eloquent將處理能力盡量放在設(shè)備本地完成，其底層模型是谷歌自研的Gemma ASR，語(yǔ)音數(shù)據(jù)和個(gè)人內(nèi)容無(wú)需離開(kāi)手機(jī)，以保護(hù)用戶隱私。

在云端模式下，語(yǔ)音識(shí)別仍在設(shè)備端啟動(dòng)，但文本潤(rùn)色由云端的Gemini模型完成。這種可切換機(jī)制，使用戶在隱私與效果之間擁有選擇空間，尤其適用于對(duì)數(shù)據(jù)流轉(zhuǎn)敏感的使用場(chǎng)景。

二、免費(fèi)無(wú)使用上限，支持iPhone本地離線轉(zhuǎn)寫(xiě)

和市面上其他工具的不同之處在于，Eloquent支持在iPhone上本地離線處理，且完全免費(fèi)、不設(shè)使用上限，這一組合正在對(duì)現(xiàn)有付費(fèi)產(chǎn)品的定價(jià)邏輯形成壓力。

當(dāng)前主流語(yǔ)音轉(zhuǎn)寫(xiě)工具大多采用訂閱制，例如語(yǔ)音工具Wispr Flow與Willow月費(fèi)約15美元，部分產(chǎn)品還需將音頻上傳至云端服務(wù)器處理。另一款強(qiáng)調(diào)隱私的Mac端應(yīng)用SuperWhisper雖然支持本地運(yùn)行，但仍需按年付費(fèi)，且無(wú)法覆蓋移動(dòng)端場(chǎng)景。

Eloquent并未納入谷歌常規(guī)的消費(fèi)級(jí)產(chǎn)品體系，而是以Google AI Edge名義發(fā)布。該體系主要面向開(kāi)發(fā)者，提供在Android和iOS設(shè)備上本地運(yùn)行AI模型的工具與SDK。這一歸屬讓Eloquent不只是一個(gè)面向用戶的語(yǔ)音工具，也承擔(dān)了展示端側(cè)模型能力的角色，用于向開(kāi)發(fā)者和企業(yè)說(shuō)明Gemma在實(shí)際場(chǎng)景中的落地能力。

據(jù)The Next Web，過(guò)去一年主流科技公司正在加快推動(dòng)AI模型向終端設(shè)備遷移，一方面出于隱私保護(hù)需求，另一方面也為了降低云端調(diào)用帶來(lái)的延遲與成本。在這一趨勢(shì)下，Eloquent將端側(cè)語(yǔ)音識(shí)別與文本處理能力落在日常輸入場(chǎng)景中，成為目前較為直接的落地案例之一。

此外，對(duì)于以Android為核心陣地的谷歌來(lái)說(shuō)，Eloquent選擇優(yōu)先登陸iOS并不常見(jiàn)。過(guò)去谷歌在AI能力的發(fā)布路徑上，通常會(huì)先在自有生態(tài)中落地，例如通過(guò)Pixel設(shè)備上的端側(cè)模型或AI Edge相關(guān)SDK展示新能力，再逐步擴(kuò)展到其他平臺(tái)。

而此次在沒(méi)有同步推出Android版本的情況下先上線iOS，讓Eloquent更像是一場(chǎng)單獨(dú)試水，而非成熟產(chǎn)品體系內(nèi)的常規(guī)正式上線。

結(jié)語(yǔ)：免費(fèi)與本地處理，Eloquent指向更低門(mén)檻的語(yǔ)音轉(zhuǎn)寫(xiě)

Eloquent把端側(cè)語(yǔ)音識(shí)別、文本自動(dòng)整理和基礎(chǔ)內(nèi)容處理放在同一個(gè)流程里，同時(shí)提供完全免費(fèi)的使用方式，并允許在本地完成核心計(jì)算。這種組合此前多出現(xiàn)在不同產(chǎn)品或付費(fèi)版本中，如今被整合進(jìn)一個(gè)無(wú)需訂閱的移動(dòng)端應(yīng)用中，改變了語(yǔ)音轉(zhuǎn)寫(xiě)工具的使用門(mén)檻。

Eloquent目前更像是Google AI Edge體系下的一次展示，其后續(xù)形態(tài)仍有待觀察，例如是否會(huì)持續(xù)更新、是否擴(kuò)展到Android并接入系統(tǒng)級(jí)輸入場(chǎng)景。至少在現(xiàn)階段，這款應(yīng)用已經(jīng)展示出一種更具體的方向，即將語(yǔ)音輸入從云端服務(wù)轉(zhuǎn)向設(shè)備本地能力，并以更低門(mén)檻進(jìn)入日常使用場(chǎng)景。

來(lái)源：Google AI for Developers、The Next Web、TechCrunch