Higgsfield 用 GPT-6 Astra 将 AI 视频时长从 1 分钟提升至 10 分钟以上
Higgsfield 借助 GPT-6 Astra 将 AI 视频生成时长从 1 分钟延长到 10 分钟以上,同时用 GPT-Image-2.5 提升画面精度,并通过 GPT-Live 打通语音电影制作路径。
Higgsfield 借助 GPT-6 Astra 将 AI 视频生成时长从 1 分钟延长到 10 分钟以上,同时用 GPT-Image-2.5 提升画面精度,并通过 GPT-Live 打通语音电影制作路径。
阿布扎比技术创新研究院(TII)发布 1.6B 参数的语音识别模型 Falcon-ASR,聚焦阿拉伯语及阿联酋方言,同时支持英语、法语、西班牙语和葡萄牙语。
Hugging Face 发布 Open TTS Leaderboard,用客观指标评测开源与多语言 TTS 模型,单模型评测耗时从收集投票的数周缩短到数小时。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,把近实时视频生成与语音对话结合,让模型以带唇形同步和表情的动态形象进行多模态交流。
推荐理由:官方给出 Live Avatar 的能力边界与企业入口,可据此判断实时视频对话在客服等场景的可用性。
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向角色声音设计与逐行表演控制,后者面向高并发、低成本场景,支持 100 多种语言。
推荐理由:官方给出两款 TTS 模型的定制能力、基准排名和接入渠道,可对照现有语音方案评估迁移成本。
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。
推荐理由:两款实时语音模型分别面向规模化与高复杂度任务,并给出多项语音评测成绩与开放入口。
Mistral 与 HUMAIN 宣布达成战略合作,覆盖 AI 基础设施、先进模型开发与 AI 解决方案部署,金额达数亿欧元,初期聚焦网络安全与语音,并计划开发阿拉伯语表现优异的前沿模型。Mistral 将探索使用 HUMAIN 数据中心基础设施,双方还计划在沙特面向受监管行业制定联合市场策略。