Android的实时字幕现在可以理解表情

Android的实时字幕功能对某些内容来说是一个福音，但由于字幕是实时生成的，该功能只能将内容原样转录。现在，Expressive Captions出现了，为它们增添了一点色彩。未找到针对区域“below first paragraph”的获胜广告！未找到针对区域“mid intro”的获胜广告！Google 推出了一个新的功能，名为 Android 的 Expressive Captions。这个新功能由 AI 驱动，作为 Live Captions 的扩展，超越了传统的字幕，不仅传达了所说的话，还传达了语气、音量，甚至周围的环境声音。由 Google 和 DeepMind 开发的 AI 模型实时分析音频，将其翻译成反映演讲者情感和周围环境的风格化字幕。谷歌想象一下，看到字幕不仅显示有人大喊“生日快乐！”大写，还能表示笑声、掌声，甚至叹气。这种额外的信息层对于理解现场和社交内容的细微差别至关重要。这些表达在手动转录的字幕中很常见，但在AI生成的字幕中将非常有用，因为你可以收集到听音频时才能听到的社会线索。作为Live Captions的扩展，Expressive Captions在系统级别为你观看或收听的任何内容提供，例如实时社交媒体流或通过即时通讯服务发送的视频消息。由于是AI，字幕显然不会100%完美。它可能会捕捉到不存在的线索，或者未能捕捉到实际存在的线索。一旦该功能对所有人可用，它可能需要微调。不过，如果你有兴趣尝试，现在就试试吧。谷歌表示，该功能现在正在向任何运行Android 14及以上且支持实时字幕的智能手机推出，但可能需要几周时间才能对所有人可用。