跳到正文

技术方向

语音与音频 最新动态

AI 语音与音频的进展:语音合成、实时对话、音乐生成与音频理解的模型与产品。

2 条精选近 30 天 2 条共收录 6 条

更新

语音与音频的精选

10月14日周三第 1–2 条
9月25日周五
  1. Google DeepMind74

    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。