Hugging Face 推出 Open TTS Leaderboard，使用客观指标评测开源 TTS 模型的可懂度、速度和说话人相似度。排行榜支持多语言与音色克隆比较，并提供试听和投票功能；流式性能按首段音频时间（TTFA）衡量，可查看 H200 GPU 和部分 CPU 结果。该排行榜补充而不取代人工偏好评测，评测脚本计划随后开源。
推荐理由：排行榜将多语言语音合成、音色克隆和流式延迟纳入同一评测框架，并与人工偏好投票互补，呈现开源 TTS 模型比较中的不同维度。
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为 Gemini Enterprise 提供带动态视觉形象的实时对话功能。它结合近实时视频生成与语音，支持后台异步调用工具并在对话不中断时处理任务，还可在97种语言间切换。组织可从参考图生成定制化 Avatar，但该功能目前仅向获准的企业开放；音视频输出均嵌入 SynthID 水印。
推荐理由：该功能结合实时音视频对话与后台异步工具调用，并支持跨97种语言切换，可看出企业对话场景中交互连续性与多语言适配的设计重点。
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，分别侧重创意语音设计与高音量、成本高效的语音生成。
推荐理由：两款模型分别面向创意语音设计与高音量、成本效率场景，并提供逐句表演控制，呈现了语音生成在创作和规模化应用上的不同侧重。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，分别面向规模化、成本高效的语音交互和高复杂度任务。
推荐理由：两款模型分别面向规模化语音交互与高复杂度任务，并提供多项语音和智能体任务基准结果，便于比较其定位与性能表现。