跳到正文
#语音
  1. Google DeepMind68

    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 的原生实时对话模型上加入近实时视频生成，实现带口型同步、自然表情和流畅轮次的视觉化对话。

    推荐理由：官方给出 Live Avatar 的实时视频对话能力、异步工具调用与 97 种语言同步等具体细节，可据此判断企业级多模态交互的落地形态。

  1. Google DeepMind71

    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 两款文本转语音模型，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场景。

    推荐理由：官方给出两款 TTS 的定位差异、语音定制能力与上线渠道，可据此判断语音生成在创作与配音场景的可用性。

  1. Google DeepMind78

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking

    Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务和多步推理。

    推荐理由：官方给出两款语音模型的基准成绩、定价定位与开放渠道，可据此判断语音智能体的落地节奏。

已经到底了