跳到正文

技术方向

语音与音频 最新动态

AI 语音与音频:语音合成、实时语音对话、音乐生成与音频理解的模型与产品。

2 条精选近 30 天 2 条共收录 3 条

更新

语音与音频的精选

10月28日周三第 1–2 条
  1. Google DeepMind72

    Google DeepMind 发布 Genie 4 世界模型,支持原生音频与实时交互模拟

    Google DeepMind 发布世界模型 Genie 4,增强实时交互模拟的逼真度,支持原生音频、动态对话和自然语言实时修改场景。Gemini 3.8 Flash 在模拟过程中持续观察画面、拆解目标并检查步骤完成情况;模型目前仍存在物体持久性、复杂物理交互和长期一致性等限制。

    推荐理由:Gemini 负责规划与校验、Genie 负责实时生成感官场景的分工,为理解语言模型与世界模拟如何协作提供了具体案例。