Apple Machine Learning Research10/2 01:00AI 評分33
強化語種判別可縮小多語言語音模型的單語差距
多語言自監督語音模型在總預訓練資料預算相同的情況下，表現仍不如單語模型。研究發現，在預訓練階段強化模型區分語言的能力，可縮小這一多語言差距，並在部分連續語音學與更高層語言學指標上將其消除，同時保留大量跨語言資訊共享。實驗採用受控的英語/法語 HuBERT 設定，測試了兩種強化語言判別的干預手段，其中一種是輔助語言任務。
搜尋
找到 5 筆
Gemini API release notes● 精選9/15 01:00AI 評分61
Gemini API 兩款即時語音模型正式可用
Gemini API 於 2026 年 9 月 15 日讓兩款音訊到音訊模型正式可用（GA）：gemini-3.8-live 與 gemini-3.8-live-extended-thinking，均通過 Live API 服務即時語音應用。前者是低延遲語音代理與即時對話的預設選擇，無推理延遲，支援交錯推理、預設非同步函式呼叫和完整會話客戶端內容更新。後者是高推理模型，可在即時音訊互動中做後臺推理，適合需要更強後臺推理的場景。
Google DeepMind blog9/23 16:25AI 評分56
Google 推出 Gemini 3.8 Flash TTS 與 Flash-Lite TTS
Google 推出 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS 兩款文字轉語音模型，是 Gemini 迄今最有表現力的音訊生成模型，已在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 上線。
Gemini API release notes9/22 01:00AI 評分45
Gemini 3.8 Flash TTS 與 Flash-Lite TTS 轉為正式版
Google 在 2026 年 9 月 22 日的 Gemini API 更新中，將 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS 兩款文字轉語音模型正式 GA，並新增 /v1beta/voices 端點。旗艦款 gemini-3.8-flash-tts 主打錄音棚級音質、細膩表演、地區口音與長時多輪穩定；
Google AI blog● 精選10/2 16:00AI 評分68
Google 發布 Gemini 4 Argon，100 萬 token 輸出上限
Google 9 月發布新前沿模型 Gemini 4 Argon，擁有業界領先的 100 萬 token 輸出上限，面向編碼、網路安全防禦、金融研究與法律起草等重負載任務；目前僅通過 Fairwind Program 向受信任的網路安全防禦者開放，尚未放開給開發者、企業和消費者。