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 15 条共收录 124 条

更新

精选归档 · 第 2 页

9月23日周三第 21–21 条
  1. Google DeepMind70

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

    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。