Gemini Call for Me 或可打电话告诉妈妈你会迟到
Google 可能将“Call for Me”从商家电话扩展至亲友通话,让 Gemini 代为传达“会迟到 15 分钟”等简短消息。APK 拆包还发现“Gemini Calling”引导页及按应用细分的通话权限,但相关扩展和设置未必会公开发布。
Google 可能将“Call for Me”从商家电话扩展至亲友通话,让 Gemini 代为传达“会迟到 15 分钟”等简短消息。APK 拆包还发现“Gemini Calling”引导页及按应用细分的通话权限,但相关扩展和设置未必会公开发布。
Hugging Face 推出 Open TTS Leaderboard,以客观指标评估开源多语种文本转语音与声音克隆模型。榜单使用 Qwen3 ASR 计算 WER/CER,在 H200 GPU 和 CPU 上测量 RTFx 与 TTFA,并以 WavLM 嵌入的余弦相似度评估说话人相似性,将单个模型的评测时间从数周缩短至数小时。该榜单不取代人工偏好排名,也不直接衡量自然度、表现力或听众偏好。
推荐理由:榜单以统一客观指标覆盖开源多语种 TTS,将评测周期从数周缩至数小时,可缓解竞技场对开放权重模型覆盖不足的问题。
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar,将近实时视频生成与原生实时对话模型结合,并已在 Gemini Enterprise 提供。
推荐理由:它将实时对话、流式视频与异步工具调用整合进企业智能体,为客服和交互导览提供更连续的多模态交互路径。
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面向深度创作控制与高吞吐、低成本生成。
推荐理由:两款模型分别面向深度语音创作与高吞吐场景,并将声音设计、复刻和逐行表演控制整合进同一工作流。
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking,两款模型面向近实时推理和生产级语音智能体。
推荐理由:两款模型把并行推理、视觉理解和后台工具调用融入近实时对话,为复杂语音智能体提供了更完整的生产级能力组合。
Mistral 与 HUMAIN 宣布数亿欧元规模的战略合作,将在沙特及中东地区推进 AI 基础设施、先进模型开发和 AI 解决方案部署。双方计划开发并本地化先进模型,初期聚焦网络安全与语音,同时开发阿拉伯语表现更强的前沿模型。Mistral 将探索使用 HUMAIN 的数据中心基础设施,双方还计划面向沙特受监管行业制定联合市场策略。