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。

1 条精选近 30 天 1 条共收录 2 条

更新

语音与音频的精选

9月23日周三第 1–1 条
  1. Google DeepMind75

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 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，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：两款 TTS 模型给出语音克隆、逐行导演与多语言覆盖的具体能力，可据此判断语音生成在配音和播客场景的可用性。