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 4 条

更新

语音与音频的精选

9月23日周三第 1–2 条
  1. Google DeepMind66

    Google DeepMind 发布 Gemini 3.8 Flash 与 Flash-Lite 文本转语音模型

    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,支持自然语言提示创建自定义角色声音、30 秒样本语音复制和逐句表演指导。模型覆盖超 100 种语言与 2000 多个现成语音,现已上线 Google AI Studio 和 Gemini API,企业版稍后推出。

    推荐理由:原文给出两款 TTS 模型的可用入口与核心能力变化,便于判断其如何适配配音、有声书和语音代理场景。

9月16日周三