Google DeepMind 推出 Gemini 3.8 Live with Live Avatar 实时数字人功能
Google DeepMind 宣布在 Gemini Enterprise 中推出 Gemini 3.8 Live with Live Avatar，将实时语音对话与低延迟视频流生成结合，实现具备精准口型同步与表情交互的虚拟数字人体验。
推荐理由：结合实时音视频生成与异步工具调用，展示了企业级多模态对话智能体在保持不间断交互上的产品演进。
语音与音频
全部主题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。
最新精选
第 1–4 条 · 共 4 条Google DeepMind精选AI 评分7878
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音合成模型
Google DeepMind 正式推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音合成模型，支持通过自然语言提示词从零定制角色声音并进行逐行台词导演。
推荐理由：原文详细展示了双角色剧本编排、自然语言声音定制与安全水印机制，读者可以据此评估语音合成在播客与配音场景的落地可行性。
Google DeepMind精选AI 评分8282 Google DeepMind 推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking 实时对话模型
Google DeepMind 正式推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，支持在语音交互的同时执行多步深度推理和后台工具调用。
推荐理由：模型在保持实时语音交互流的同时引入并行深度推理与工具调用，为复杂业务流程中的语音智能体落地提供了参考。
OpenAI News精选AI 评分7878 OpenAI 在 API 中推出 GPT-Live-1 支持自然全双工语音体验
OpenAI 在 API 中上线 GPT-Live-1 模型，提供自然的全双工语音对话交互。该模型具备更强的指令遵循能力，并支持自定义声音和电话通信集成。
推荐理由：原文给出了新模型的全双工语音与电话支持能力，开发者可以据此评估语音交互方案的集成路径。