跳到正文
只看一手#语音
  1. Google DeepMind67

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音对话模型原生耦合，让对话智能体具备会听、会看、会说的动态视觉形象，即日起在 Gemini Enterprise 上线。

    推荐理由：官方给出实时视频与语音耦合的能力细节和开放入口，读者可据此判断企业级对话智能体的形态变化。

  1. Google DeepMind69

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发、低成本的配音与语音智能体。

    推荐理由：官方给出两款 TTS 模型的语音设计、逐行导演能力与基准排名，可据此判断语音生成在配音和播客场景的可用度。

  1. Google DeepMind82

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking

    Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。

    推荐理由：官方给出两款语音模型的定位差异与多项语音基准成绩，可据此判断实时语音智能体的能力边界。

已经到底了