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 基础上加入近实时视频生成，让对话模型具备能听、能看、能说的动态视觉形象，并已在 Gemini Enterprise 上线。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解多模态对话在企业场景中的形态变化。
语音与音频
全部主题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。
最新精选
第 1–7 条 · 共 8 条Google DeepMind精选AI 评分7272
Google DeepMind精选AI 评分7474 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深度创作控制，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：Google DeepMind 发布两款 TTS 模型，给出语音克隆、逐行导演与安全水印的具体能力，可据此判断语音生成工作流的变化。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，前者面向规模化与成本效率，后者面向高复杂度多步推理任务。
推荐理由：两款语音对话模型同时发布，给出基准成绩与开发者接入渠道，可据此判断语音智能体的可用性。
Google AI Blog精选AI 评分6060 Google 公布多语言 AI 进展：Gemini 3.5 Live Translate 支持 70 种语言实时翻译
Google 表示其技术与产品已覆盖 300 多种语言、服务超 70 亿人，Gemini 3.5 Live Translate 支持 70 种语言、2000 多个语言对的实时口语翻译，并能处理语码转换和情绪线索。
推荐理由：Google 集中披露多语言语音与翻译能力进展，读者可了解实时翻译、端侧模型与无障碍功能的落地范围。
Apple Newsroom精选AI 评分8080 苹果发布 iOS 27 等系统更新，Siri AI 以测试版上线
苹果发布 iOS 27、iPadOS 27、macOS 27、watchOS 27 和 visionOS 27，Siri AI 以英文测试版上线，10 月增加法语、日语、韩语、葡萄牙语和西班牙语支持。
推荐理由：Siri AI 与 Apple Intelligence 新能力随 iOS 27 等系统上线，可了解其功能范围与分阶段开放节奏。
Apple Newsroom精选AI 评分8888 苹果发布 Siri AI 与新一代 Apple Intelligence
苹果发布新一代 Apple Intelligence，驱动全新版本 Siri AI，具备个人语境理解、世界知识、屏幕感知和跨应用操作能力，并集成到 iPhone、iPad、Mac 与 Vision Pro。
推荐理由：官方一次性给出 Siri AI 的能力范围、上线节奏与地区限制，可据此判断苹果 AI 助手的实际可用边界。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型
Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文字模型，可直接把原始音频转成准确、格式化后的文本。
推荐理由：Gemini 3.5 Transcribe 给出了 WER、延迟与多语言数据，读者可据此判断语音转写在实际产品中的可用程度。