Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，将低延迟流式视频与实时对话能力结合，为 Gemini Enterprise 提供具备动态视觉化身的交互体验。
推荐理由：原文详细说明了实时视觉化身在异步工具调用和多语言同步上的技术实现，为企业构建具备连续在场感的智能体提供了具体参考。
#语音
#语音
今日 0 条Google DeepMind精选AI 评分7373
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.8 Flash TTS 和 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，支持从自然语言提示生成自定义角色声音并逐行指导场景对话。
推荐理由：原文给出了两款新 TTS 模型的详细能力边界、基准排名及开放入口，读者可据此评估其在创意配音与规模化部署中的实际可用性。
OpenAIAI 评分1818 Ringg 的 AI 智能体借助 OpenAI 解决高达 65% 的客户通话
Ringg 利用 GPT-5.6 驱动多语言 AI 智能体，在语音、聊天、WhatsApp 和网页端实现高达 65% 的客户通话自动解决率。相比 GPT-4.1，该方案将成本降低了 90%。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 模型
Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款新模型，旨在提升近实时推理能力以支持更复杂的语音交互任务。
推荐理由：原文披露了 Gemini 3.8 Live 系列在实时推理、多语言切换及后台工具调用上的具体能力升级与基准表现，为构建生产级语音智能体提供了明确的技术参考。
Google AIAI 评分4545 Google 推出 Gemini 3.5 Live Translate 等工具支持 300+ 语言
Google 宣布其技术已支持全球 86% 人口使用的 300 多种语言，并推出 Gemini 3.5 Live Translate 实现 70 种语言的实时语音翻译。
OpenAI精选AI 评分6262 OpenAI 在 API 中推出 GPT-Live-1 以构建更自然的语音体验
OpenAI 在 API 中推出 GPT-Live-1，为开发者提供自然的全双工语音对话能力。该模型具备更强的指令遵循能力，并支持自定义声音和电话通信功能。
推荐理由：原文说明了GPT-Live-1在API中支持全双工对话、自定义声音和电话功能，开发者可据此评估其在实时语音交互场景中的适用性。
Google AIAI 评分3131 Google 发布 Gemini 3.7 Flash、Pixel 11 及多项 AI 更新
Google 推出 Gemini 3.7 Flash，作为面向编码与智能体的主力模型，其每百万 token 价格仅为前代一半。同时发布搭载 Tensor G6 芯片的 Pixel 11 系列设备，并上线 Gemini 3.5 Transcribe 语音转文字模型。此外，Gemini 应用月活跃用户突破 10 亿，成为 Google 历史上增长最快的产品。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布最新语音转文字模型 Gemini 3.5 Transcribe，旨在实现精准且智能的实时转录。该模型在 Artificial Analysis 测试中流式和非流式平均词错率分别为 4.0% 和 2.6%，支持超过 85 种语言及最多三个说话人的身份识别。
推荐理由：原文给出了新模型的流式与非流式词错率数据、多语言支持范围以及开发者 API 接入方式，读者可以据此评估其在实时交互场景中的实际表现。
ComfyUI BlogAI 评分1818 ComfyUI 与 MiniMax H3 启动同步声音社区挑战赛
ComfyUI 联合 MiniMax 发起基于开源全模态视频模型 H3 的同步声音生成挑战，要求音频由单次推理原生生成。H3 内存占用降低 66%，可在 RTX 3060 等消费级显卡免费本地运行，或通过 Comfy Cloud 体验。参赛者需提交工作流文件，优胜者将获得 RTX 5090 等硬件奖励，结果将于 9 月 2 日揭晓。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5 Live Translate 音频模型
Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate，支持 70 多种语言的近实时语音到语音翻译。该模型能自动检测语言并生成保留说话人语调、节奏和音高的流畅译文，通过持续生成语音而非等待说完来减少停顿。
推荐理由：原文展示了 Gemini 3.5 Live Translate 在连续流式翻译、保留语调及多端部署上的能力变化，为开发者与企业提供了实时语音交互的新方案。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 推出最新文本转语音模型 Gemini 3.1 Flash TTS，支持通过嵌入自然语言命令的音频标签来精确控制声音风格、语速和表达方式。该模型在 Artificial Analysis TTS 排行榜上获得 1,211 的 Elo 分数，原生支持多说话人对话及 70 多种语言，所有生成音频均带有 SynthID 水印。
推荐理由：新模型引入自然语言音频标签以精细控制语速和风格，并在 Artificial Analysis 基准中取得高分。