Gemini 的“Call for Me”或将扩展至亲友通话,可代为传达迟到消息
Google 可能将 Gemini 的“Call for Me”AI 功能从商务通话扩展到亲友联系,让用户委托它传达迟到或询问是否赴宴等简单消息。APK 拆解还发现 Gemini Calling 介绍页示例及应用级权限设置,但 Google 可能不会公开推出这些功能。
Google 可能将 Gemini 的“Call for Me”AI 功能从商务通话扩展到亲友联系,让用户委托它传达迟到或询问是否赴宴等简单消息。APK 拆解还发现 Gemini Calling 介绍页示例及应用级权限设置,但 Google 可能不会公开推出这些功能。
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。