跳到正文
只看模型#音频生成
  1. Google DeepMind78

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

    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，前者面向角色设计与逐行表演导演，后者面向高并发、低成本的配音与语音智能体场景。

    推荐理由：官方给出两款 TTS 模型的语音设计、逐行导演能力与基准排名，可据此判断语音生成从预设音色转向可定制创作的变化。

  1. Google DeepMind80

    Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking

    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基准成绩与开放渠道，读者可据此判断语音智能体的能力与成本边界。

  1. GitHub 热门 AIGC 开源项目83

    Lightricks 开源音视频生成模型 LTX-2.5 并发布完整推理流水线

    Lightricks 在 GitHub 开源 LTX-2.5，称其为首个基于 DiT 的音视频基础模型，可在同一模型内实现音视频同步、高保真与多种性能模式。仓库提供 DistilledPipeline、DFRPipeline 等十余条流水线，覆盖文生视频、图生视频、音频生视频、重拍与配音等场景，模型权重约 66 GiB，需从 Hugging Face 下载。

    推荐理由：原文给出 LTX-2.5 的模型清单、显存优化与多条流水线命令，读者可据此判断本地部署音视频生成的硬件门槛。

已经到底了