// AI 新闻 · 2026-11-10 · Google AI Changelog
谷歌推出设备端语音识别与合成能力
谷歌在Google AI Edge Gallery中引入设备端自动语音识别（ASR）和文本到语音（TTS）功能，支持移动端及跨平台应用。该功能基于ML Kit、MediaPipe Tasks和LiteRT技术，实现多语言实时转录与本地语音合成，无需联网，且内存占用极低。在Android系统中，ML Kit提供对100多种语言的高精度转录，响应速度达实时的10倍，并搭配TTS模型实现约100毫秒启动、最高50倍实时速度的音频输出，不增加APK体积。
原文发布 2026-11-10 08:00（北京时间）来源 Google AI Changelog自动整理 · 已核对原文
01摘要
在Web、桌面等跨平台场景下，通过优化的.litertlm语音包（如Parakeet-TDT 0.6B、PocketTTS 100M等），实现低延迟、流式输入与输出，可与本地小型语言模型协同运行，避免计算资源竞争。该技术已应用于XR语言教师展示和AI聊天功能中，支持视觉识别、语音输入与双语语音切换的端到端本地处理。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- Android端ML Kit实现100+语言实时转录，速度达实时10倍，TTS启动时间约100毫秒，音频输出最高50倍实时速度。
- 跨平台场景下，Parakeet-TDT、PocketTTS等轻量语音模型支持流式识别与合成，内存占用小且可与本地小型语言模型协同运行。
- XR语言教师应用中，用户通过摄像头识别物体后，系统在设备端完成多语言解释与发音合成，全程无网络依赖。
- AI聊天功能集成ASR与TTS，支持句子级语音朗读、自定义音色及语言包选择，输出内容可实时高亮显示。
03原文出处
On-Device Speech Recognition and Text-to-Speech in Google AI Edge Gallery
Google AI Changelog · 发布于 2026-11-10 08:00（北京时间） · 上方为原标题
05相关新闻
- 同来源 · Google发布A2UI 1.0开放协议以支持生成式交互界面2026-11-11 · Google AI Changelog
- 同来源 · 在Google AI Studio中使用Google Maps构建地理空间应用2026-11-09 · Google AI Changelog
- 同主题 · Gemini 4 Carbon 上线 Vercel AI Gateway2026-11-10 · Vercel Changelog
- 同主题 · 用户可将 Hugging Face 账户与 Google Cloud 账户关联2026-11-10 · Hugging Face Blog
- 同日 · 研究评估LLM评委在个性化写作风格判断中的表现2026-11-10 · Apple Machine Learning Research
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-10 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日