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，分别面向创意语音设计与高吞吐、成本高效的语音生成。
推荐理由：原文同时交代了两款模型的定位、语音定制与逐句导演能力，以及开发者和普通用户的使用入口，便于评估其应用范围。
#语音
#语音
今日 0 条Google DeepMind精选AI 评分8282
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，分别面向规模化低成本对话和高复杂度任务。
推荐理由：文章同时给出两款模型的定位、语音智能体基准表现与开发者入口，便于比较能力重点和落地路径。
OpenAI News精选AI 评分7373 GPT‑Live‑1 引入 API，支持更自然的语音体验
GPT‑Live‑1 被引入 API，支持自然的全双工语音对话，并强化指令遵循。该模型还支持自定义声音和电话支持。
推荐理由：材料概括了 GPT‑Live‑1 在 API 中的语音能力变化，并列出自定义声音与电话支持等集成信息。
Google DeepMind精选AI 评分7878 Google 发布 Gemini 3.5 Transcribe 语音转写模型
Google 发布 Gemini 3.5 Transcribe 语音转写模型，支持实时双向流式转写和预录音处理，面向语音智能体、实时字幕与通话分析等场景。模型可自动处理自我修正、填充词和格式化文本，支持超过 85 种语言，并提供最多三位说话人的识别与时间戳。
推荐理由：Gemini 3.5 Transcribe同时覆盖实时流式与预录音处理，并给出WER、延迟和语言支持等指标，便于开发者评估接入场景。
Hugging Face Blog精选AI 评分7474 NVIDIA Magpie TTS 多语言模型发布，支持 12 种语言与低延迟部署
NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，模型规模为 364M parameters，支持 12 种语言，并新增 Modern Standard Arabic、Korean 和 Brazilian Portuguese。
推荐理由：文章将开放权重、12 种语言支持、NIM 部署和延迟数据放在同一框架中，便于评估多语言语音智能体的落地路径。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，支持在70+种语言之间进行接近实时的语音到语音翻译，并保留说话者的语调、节奏和音高。
推荐理由：Gemini 3.5 Live Translate展示了连续语音翻译在延迟、语调保留和多语言覆盖之间的具体取舍，并给出开发者与用户入口。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.1 Flash TTS，支持音频标签控制表达
Google DeepMind 发布 Gemini 3.1 Flash TTS，提升语音质量、可控性和表现力。
推荐理由：Gemini 3.1 Flash TTS 将音频标签、多人对话和多语言支持结合起来，展示了开发者控制语音风格与表达的具体方式。
Mistral AI精选AI 评分7575 Mistral AI 发布 Voxtral TTS 多语言语音生成模型
Mistral AI 发布 4B 参数的 Voxtral TTS，支持英语、法语、德语等 9 种语言，提供低延迟、情感化语音生成和声音适配。模型延迟可达 70ms，API 价格为 $0.016 per 1k characters，并可在 Mistral Studio 和 Le Chat 中试用。
推荐理由：文章同时呈现了 Voxtral TTS 的多语言语音能力、延迟与价格，并提供了与 ElevenLabs 模型的对比信息。
Mistral AI精选AI 评分7878 Mistral AI 发布 Voxtral Transcribe 2 语音转写模型
Mistral AI 发布 Voxtral Transcribe 2，包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时应用的 Voxtral Realtime。
推荐理由：文章同时交代批量与实时语音转写模型的延迟、语言支持、价格和部署方式，便于评估不同语音应用的接入选择。
Mistral AI精选AI 评分8383 Mistral AI 发布 Voxtral 语音理解模型
Mistral AI 发布 Voxtral 语音理解模型，提供 24B 生产版本和 3B 本地与端侧版本。两者均以 Apache 2.0 许可发布，支持 32k token 上下文、长音频转写与理解、语音问答、摘要、多语言处理和函数调用。Voxtral 也通过 API 提供服务，定价从 $0.001 per minute 起。
推荐理由：Voxtral同时提供可本地部署的开源模型与API，并把长音频理解、问答摘要和语音函数调用纳入同一系统，便于比较开放部署与商业接口的取舍。