技术方向
AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
4 条精选近 30 天 1 条共收录 56 条
NVIDIA 官宣 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 的 RTX Spark 轻薄笔记本上市，起价 $2,599，超芯片集成 Blackwell RTX GPU 与 Grace CPU，最高 128GB 统一内存、1 petaflop FP4 AI 性能。
推荐理由：原文汇总了 RTX Spark 笔记本新品与语音模型、GPU 资源分配等本地 AI 更新，读者可借此了解端侧模型落地的最新入口。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，实现带口型同步、自然表情和流畅轮次的视觉化对话。
推荐理由：官方给出 Live Avatar 的实时音视频耦合、异步工具调用与 97 语言同步能力，可据此判断企业级对话智能体的形态变化。
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发配音和语音智能体。
推荐理由：官方给出两款 TTS 的定位差异、可用入口与基准排名，便于判断语音生成在创作与规模化场景中的分工。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：官方给出两款语音模型的定位差异与多项语音基准成绩，可据此判断实时语音智能体的能力边界。