跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

4月16日周四
3月26日周四
3月6日周五
12月13日周六
  1. Google DeepMind62

    Google 发布升级版 Gemini 2.5 Flash Native Audio,新增实时语音翻译

    Google 发布升级版 Gemini 2.5 Flash Native Audio,面向实时语音智能体,提升了复杂工作流处理、指令遵循和多轮对话能力,在 ComplexFuncBench Audio 上以 71.5% 领先,开发者指令遵循率从 84% 升至 90%。

    推荐理由:Gemini 2.5 Flash Native Audio 更新了函数调用、指令遵循与多轮对话能力,并新增实时语音翻译,可据此评估语音智能体与翻译场景的可用性。

10月28日周二
  1. Hugging Face Blog38

    Hugging Face 提出“声音同意门”:说话人明确同意后才能克隆声音

    Hugging Face 博客提出“声音同意门”机制,让声音克隆只有在说话人亲口说出同意语句并被 ASR 识别后才启动,并给出示例 Space 与配套代码。演示中由语言模型为每次授权生成一对句子,一句明确表达同意、一句提供语音多样性,使同意成为可追溯、可审计的系统前置条件。

6月3日周二
5月13日周二
3月20日周四
10月22日周二
6月8日周六
3月29日周五
2月27日周二
8月30日周三
8月9日周三
9月21日周三