跳到正文
只看一手#语音
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 基础上为原生实时对话模型加入近实时视频生成，实现带唇形同步、表情和自然轮次切换的动态视觉形象。

    推荐理由：官方给出 Live Avatar 的实时音视频能力、97 种语言切换与企业定制入口，可据此判断多模态对话的产品化边界。

  1. Google DeepMind74

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

    Google DeepMind 推出 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，后者面向高并发配音与语音智能体。

    推荐理由：官方给出两款 TTS 模型的语音定制能力、基准排名与开放渠道，可据此判断语音生成在配音与有声内容上的可用边界。

  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，分别面向规模化成本效率与高复杂度任务。

    推荐理由：官方给出两款语音模型的基准成绩与开放渠道，读者可据此判断语音智能体的能力与成本取舍。

已经到底了