Higgsfield 用 GPT-6 Astra 将 AI 视频时长从 1 分钟提升至 10 分钟以上
Higgsfield 借助 GPT-6 Astra 把 AI 视频生成时长从 1 分钟延长到 10 分钟以上,并用 GPT-Image-2.5 提升画面精度。该平台还通过 GPT-Live 提供语音电影制作的路径。
Higgsfield 借助 GPT-6 Astra 把 AI 视频生成时长从 1 分钟延长到 10 分钟以上,并用 GPT-Image-2.5 提升画面精度。该平台还通过 GPT-Live 提供语音电影制作的路径。
阿布扎比技术创新研究院(TII)发布 Falcon-ASR,一个 1.6B 参数的语音识别模型,重点覆盖阿联酋方言,同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%,优于所用榜单快照中最佳公开结果 23.17%;内部阿联酋方言评测 WER 22.73%、CER 10.19%,比次优的 Qwen3-Omni 低 4.07 个百分点。
Hugging Face 发布 Open TTS Leaderboard,用客观指标评测开源与多语言 TTS 模型,单模型评测耗时从数周投票缩短到数小时。榜单以 Qwen3 ASR 计算 WER/CER,用 H200 GPU 上的 RTFx 与 TTFA 衡量速度,并以 WavLM 嵌入向量的余弦相似度(SIM)评估声音克隆。
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,实现带精确唇形同步、自然表情和流畅轮次切换的动态视觉形象,即日起在 Gemini Enterprise 提供。
推荐理由:官方给出 Live Avatar 的多模态对话、异步工具调用与 97 语言切换细节,可据此判断企业级实时数字人对话的落地形态。