跳到正文

技术方向

多模态 最新动态

文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。

21 条精选近 30 天 17 条共收录 1,222 条

更新

精选归档 · 第 2 页

9月23日周三第 21–21 条
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    Google DeepMind 发布 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 模型的语音定制能力、基准排名与开放渠道，可据此判断语音生成在配音和播客场景的可用程度。