Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS，前者侧重用自然语言从零设计角色声线，后者面向高用量、低成本的配音与语音代理。
推荐理由：Gemini 3.8 的两款新语音模型可用自然语言设计角色声线，并公开基准名次与各端入口，方便对照现有配音和语音代理流程。
#DeepMind
#DeepMind
今日 0 条Google DeepMind精选AI 评分7171
Google DeepMind精选AI 评分7373 Google DeepMind与Google Research发布全球天气模型WeatherNext 3
Google DeepMind与Google Research发布WeatherNext 3，可每小时生成最高5公里分辨率的全球天气预报。相较25公里网格、6小时更新的WeatherNext 2，新模型的全球天气画面约锐利5倍；中期预报早期时效的CRPS相对IMERG最高改善60%，相对MRMS为30%，相对雨量计为10%。
推荐理由：WeatherNext 3将WeatherNext 2的25公里、6小时改为5公里与每小时更新，并接入Search、Gemini和Maps。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 今日发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber。3.8 Flash 沿用 3.7 Flash 的入门价格，输入每百万 token 为 $0.75、输出每百万 token 为 $3.75，并提升软件工程、智能体任务与多步推理，HLE-Verified 达到 54.9%。
推荐理由：3.8 Flash以与3.7相同的价格加强长程编码和多步推理，网络安全变体仅经Fairwind向政府、关键基础设施和软件维护方开放。
Google DeepMind精选AI 评分6363 Google DeepMind 推出 Gemini Omni 1.1 Flash，强化生成视频控制
Gemini Omni 1.1 Flash 现已推出，开发者可通过 Gemini API 做场景延续、首尾帧插值和最高 4K 放大。场景延续能分析最多 10 秒前文，而不只参考最后 1 秒，并按 10 秒一段把视频延到累计 40 秒；360p 预览成本为标准 720p 的三分之一，生成最高快 60%，成片可输出 1080p 或 4K。
推荐理由：开发者现在可以用最多10秒前文把已有视频按10秒一段延续到累计40秒，再以360p三分之一的成本和最高快60%的速度试稿后放大到4K。
Google DeepMind精选AI 评分6666 Google 发布 Gemini 3.5 Transcribe 智能语音转写模型
Google 发布语音转文字模型 Gemini 3.5 Transcribe，可将原始音频直接转为准确、润色并自动排版的文本，并称这是其迄今最精确的语音转写模型。
推荐理由：相对 Chirp 3，新模型给出流式 4.0% 与非流式 2.6% 词错误率以及终稿时间改善 70% 的直接对比。
Google DeepMind精选AI 评分7878 Google DeepMind 发布面向编码与智能体的 Gemini 3.7 Flash
Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体，距 3.6 Flash 仅三周，入门价为原先每百万 token 成本的一半。
推荐理由：Gemini 3.7 Flash 在 3.6 Flash 发布仅三周后推出，编码调试、网页生成和复杂文档处理基准均有提升，同时入门价定为原先每百万 token 成本的一半。
Google DeepMind精选AI 评分6666 Google DeepMind发布手语转文本模型SL2T并接入Pixel 11听写
Google DeepMind发布大规模多语言手语转文本模型SL2T，先在Pixel 11的Gboard和Live Transcribe中把美国手语译成英语听写。
推荐理由：SL2T把超过五十种手语的身体关键点直接译成流式文本，并开始用于Pixel 11听写，读者可以据此了解手语输入如何接进日常打字。
Google DeepMind精选AI 评分7171 Google DeepMind 的 WeatherNext 实现气旋预报突破，三天精度相当于以往两天
Google DeepMind 的 WeatherNext 在 Nature 论文中显示，气旋路径、强度和风场的三天预报平均达到以往模型两天的水平。该模型用近 20TB 全球大气数据与 IBTrACS 中近 5000 场历史风暴联合训练，今年把集合规模扩至 1000 个成员，可在 TPU 上不到一分钟生成 15 天预报。
推荐理由：三天气旋预报达到以往模型两天的水平，并开源 WeatherNext 2 与气旋模型，预报流程因此多出约一天可准备的时间。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 Gemini Robotics ER 2，强化视频理解、任务编排与多机器人协作
Google DeepMind 今天发布 Gemini Robotics ER 2，将其作为机器人的高层具身推理模型，用于对话、理解物理世界和多步规划，再把运动执行交给下层视觉语言动作模型。
推荐理由：新模型相对 ER 1.6 补上了连续视频中的进度判断与多机协作能力，开发者可把它接到下层动作模型来编排多步实体任务。
Google DeepMindAI 评分4444 Google DeepMind 在 Google Flow Music 推出 Lyria 3.5，提升音乐性、歌词、人声与创作控制
Google DeepMind 今日在 Google Flow Music 推出 Lyria 3.5，提升音乐性、歌词、人声质量与创作控制。作为最新音乐生成模型，它能帮助用户做出更丰富的曲目。
Google DeepMind精选AI 评分6969 Gemini Robotics 2 为机器人带来全身控制、灵巧操作与多机协作
Google DeepMind 推出 Gemini Robotics 2，把视觉和语言输入转成电机控制，让完整人形机器人和双臂机器人完成从脚到指尖的全身动作与灵巧操作。
推荐理由：这次更新把原先的桌面上半身操作扩展到全身协调、灵巧操作和多机协作，并说明端侧模型可用数小时数据适配新机体。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber，用于以更高 token 效率、更低延迟和更可靠表现规模化构建 AI 智能体。
推荐理由：官方把三款新模型相对前代的token用量、速度、价格和基准分数放在一起，便于比较它们在智能体工作流里的成本与能力取舍。
Google DeepMindAI 评分5959 Google 推出 Gemini 3.5 Flash Cyber 轻量网络安全模型
Google 推出 Gemini 3.5 Flash Cyber，这是基于 Gemini 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证并修补漏洞，并在这些任务上比主线 Flash 模型更有效。
Google DeepMind精选AI 评分7575 Google DeepMind 开放 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 开放 Nano Banana 2 Lite 与 Gemini Omni Flash，分别用于高速图像生成，以及视频生成和对话式编辑。
推荐理由：官方同时给出图像模型的延迟与单价，以及视频模型的按秒定价和时长限制，读者可以据此估算图生视频迭代的成本。
Google DeepMind精选AI 评分7070 Google DeepMind发布实验性开源模型DiffusionGemma，文本生成最高快4倍
Google DeepMind发布实验性开源模型DiffusionGemma，这款26B MoE以文本扩散整块并行生成文本，在专用GPU上最高可实现4倍加速。
推荐理由：DiffusionGemma把本地文本生成从逐token解码改成整段并行起草，并交代相对Gemma 4的速度、显存和质量取舍，便于判断它适合哪些交互式本地工作流。
Google DeepMind精选AI 评分7373 Google 发布 Gemini 3.5 Live Translate，支持 70 多种语言近实时语音翻译
Google 发布音频模型 Gemini 3.5 Live Translate，可自动检测 70 多种语言，并近实时生成保留语调、节奏和音高的语音翻译。
推荐理由：相比轮次等待后再译，Gemini 3.5 Live Translate 会持续出声并落后说话人仅几秒，读者可据此了解它进入翻译应用、Meet 和开发接口后的实时互译方式。
Google DeepMind精选AI 评分7676 Google DeepMind 发布无编码器统一多模态模型 Gemma 4 12B
Google DeepMind 发布面向笔记本的 Gemma 4 12B，采用无编码器统一架构，让视觉和音频直接进入 LLM 主干。它是该系列首个支持原生音频输入的中等尺寸模型，标准基准表现接近 26B MoE，总内存不到后者一半，16GB VRAM 或统一内存即可本地运行，以 Apache 2.0 许可发布并配备 MTP drafter。
推荐理由：它位于端侧友好的E4B与更先进的26B MoE之间，用无编码器设计把视觉和音频直接交给语言模型，并以不到一半内存接近更大模型的基准表现。
Google DeepMind精选AI 评分7979 Google DeepMind 推出 Gemini Omni Flash，可用多模态输入生成并对话编辑视频
Google DeepMind 推出 Gemini Omni 家族的首个模型 Gemini Omni Flash，可将图像、音频、视频和文本作为输入生成视频，并用自然语言多轮编辑且保持角色、物理和场景连贯。
推荐理由：官方同时给出对话式编辑、物理与世界知识约束以及SynthID核验路径，读者可以据此判断这款视频模型会怎样进入现有创作流程。
Google DeepMindAI 评分5757 WeatherNext 如何帮助国家飓风中心更好预测梅利莎飓风在牙买加的历史性登陆
Google DeepMind 与 Google Research 的 AI 天气模型 WeatherNext，在五天前以 80% 置信度预测飓风梅利莎将以五级强度登陆牙买加，帮助国家飓风中心提前预警。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.5 并开放 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型家族，并开放 Gemini 3.5 Flash，使其成为全球 Gemini 应用和 Google 搜索 AI Mode 的默认模型，同时进入 Google Antigravity、Gemini API 及企业平台。
推荐理由：3.5 Flash已同时向用户、开发者和企业开放，智能体与编码基准超过Gemini 3.1 Pro，可比较其速度和落地范围。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 Gemini 3.1 Flash TTS，可用音频标签控制语音表达
Google DeepMind发布Gemini 3.1 Flash TTS，用可嵌入文本的音频标签控制风格、语速与表达。该模型即日起向开发者通过Gemini API和Google AI Studio预览，企业通过Vertex AI预览，Workspace用户可通过Google Vids使用。
推荐理由：开发者可以把自然语言音频标签直接写进文本，在句中切换语气和语速，再将同样的参数导出为Gemini API代码，以便在不同项目中保持一致音色。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化具身推理与仪表读数
Google DeepMind 发布 Gemini Robotics-ER 1.6，将其作为机器人的高层推理模型，强化空间与物理推理、多视角理解及任务成功检测，并新增仪表读数。
推荐理由：新版相对 Gemini Robotics-ER 1.5 与 Gemini 3.0 Flash 强化了空间指向、物体计数、多视角成功检测以及仪表读数能力，开发者现可在 Gemini API 与 Google AI Studio 中直接配置调用。