跳到正文
#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，把近实时视频生成与语音结合，为 Gemini 的实时对话模型加入动态视觉形象，具备精准唇形同步、自然表情和流畅轮次切换。

    推荐理由：官方给出实时视频与语音耦合的对话能力、异步工具调用和 97 种语言切换等具体细节，可据此判断企业级数字人交互的落地边界。

  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句表演指导，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 的定位差异、可用入口与基准排名，便于判断语音生成在创作与规模化场景的取舍。

  1. Google DeepMind80

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking

    Google DeepMind 发布两款实时对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。

    推荐理由：官方给出两款语音模型的基准成绩与开放渠道，可据此判断实时语音智能体的能力水位。

已经到底了