在 Amazon SageMaker AI 上用 Qwen3-TTS 部署实时个性化语音
可从 Amazon SageMaker JumpStart 将公开的 Qwen3-TTS-12Hz-1.7B-Base 部署到全托管实时推理端点，用短参考录音及其转写克隆说话人声音来合成新文本，无需重新训练。
#语音
#语音
今日 0 条AWS Machine Learning BlogAI 评分4747
Google DeepMind精选AI 评分6060 Gemini 3.8 Live 推出 Live Avatar，为企业对话加入近实时视频形象
Gemini 3.8 Live 即日起在 Gemini Enterprise 提供 Live Avatar，把近实时视频生成与语音结合，为对话带来可听、可看、可说的动态视觉形象。
推荐理由：Live Avatar 把近实时视频形象接到 Gemini 3.8 Live 语音对话中，使企业能在不中断交流的情况下后台调用工具并跨 97 种语言同步口型与表情。
Google DeepMind精选AI 评分7171 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。
Google DeepMind精选AI 评分7676 Google DeepMind发布Gemini 3.8 Live与3.8 Live Extended Thinking
Google DeepMind发布Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking，把近实时推理用于语音智能体。
推荐理由：原文给出了Extended Thinking的语音基准分数，以及两款模型面向开发者、企业和普通用户的不同开放范围。
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。
Mistral AIAI 评分4747 Mistral 与 HUMAIN 宣布战略合作，推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布战略合作，在沙特及中东推进主权 AI。合作覆盖 AI 基础设施、先进模型开发与解决方案部署，初期聚焦网络安全和语音，并计划开发阿拉伯语表现强劲的前沿模型，规模达数亿欧元。Mistral 将探索使用 HUMAIN 数据中心，双方还计划面向沙特受监管行业制定联合市场策略。
Hugging Face Blog精选AI 评分6767 Hugging Face 用三项测试衡量语音识别中的基准优化
Hugging Face 提出三项测试，评估 11 个开源语音识别模型是否针对公开基准优化，而非提升通用转写。
推荐理由：三项测试显示，部分模型在公开语音基准上的高分，与其识别数据集线索并复现参考文本有关，单一词错误率因此不足以代表通用转写能力。
Google Research精选AI 评分6767 Google Research 推进 AMIE 实时视频问诊，模拟研究中与全科医生评分相当
Google Research 展示基于 Gemini 与 Project Astra 的 AMIE（Video），在100个情景、300次模拟实时视频问诊中，被20名全科医生评为在病史采集、诊断准确性、处置适当性和沟通质量上与10名视频问诊全科医生相当。
推荐理由：随机研究把AMIE视频版、纯文本版和全科医生放在同一评分框架下，从而呈现视听观察和虚拟查体的评分差异以及演员模拟边界。
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。