Google AI Edge Foresight 发布:AI 笔记应用支持完全离线转录会议
Google 发布实验性 AI 笔记应用 Google AI Edge Foresight,免费使用,运行在 macOS 上,借助端侧 EmbeddingGemma 2 模型完全离线转录会议和音频文件。
Google 发布实验性 AI 笔记应用 Google AI Edge Foresight,免费使用,运行在 macOS 上,借助端侧 EmbeddingGemma 2 模型完全离线转录会议和音频文件。
Google 发布 Mac 端会议记录应用 Google AI Edge Foresight,可完全离线运行。
AI 硬件初创公司 Natura 推出 99 美元 Interface 智能戒指,轻按手指即可调用 AI 智能体完成任务。该戒指可连接 Claude、ChatGPT、Grokbot、Meta 的 Muse 等智能体与应用,同时追踪心率、HRV、睡眠与活动数据,续航 6 至 12 天。产品将于下月开启预订,12 月或 1 月发货,3 至 6 个月免费期后收取每月 9 美元订阅费。
阿布扎比技术创新研究所(TII)发布 Falcon-ASR,一个 1.6B 参数的阿拉伯语语音识别模型,重点针对阿联蒂方言,同一套模型权重还支持英语、法语、西班牙语和葡萄牙语,无需指定语言。
谷歌推出全新 macOS 应用 AI Edge Foresight,采用 EmbeddingGemma 2 端侧多模态模型,支持完全离线运行。
AWS 发布指南,详解如何用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾。智能体基于 Strands Agents 与 MCP 对接后端,实现语音查航班、改座位与转接人工。系统各层可独立扩展,并提供含合成数据的示例航空后端。
Android Authority 在 APK 拆解中发现 Google 可能将 Gemini 的 Call for Me 功能从商务通话扩展到亲友通话,可代拨"告诉妈妈我会迟到 15 分钟"这类简短口信。该功能预计仍限于类似短信的简单留言,适合不常看短信或仍在使用固定电话的联系人。代码中还发现了针对 Gemini 各项操作的细粒度权限设置,但 Google 也可能最终不公开发布这一扩展。
斯凯孚(SKF)借助人工智能生成已故好莱坞影星葛丽泰·嘉宝的虚拟形象拍摄广告,该广告收获赞许的同时也遭到嘲讽。图像生成使用字节跳动 Seedream 5 Pro 与谷歌 Gemini 的 Nano Banana Pro,动作生成用到 Seedance 2、Seedance 2.5 及可灵 AI(Kling AI),语音则以嘉宝早年影片原声训练 AI 完成。
Hugging Face 推出 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与语音克隆模型。榜单以 Qwen3 ASR 转写计算 WER/CER 衡量可懂度,以 RTFx 和 TTFA 衡量 H200 GPU 上的批量推理与流式延迟,并以 WavLM 嵌入余弦相似度衡量说话人相似度,把单个模型评测从数周缩短到数小时。
推荐理由:原文对比了人工偏好竞技场与客观指标评测,说明新榜单用 WER、RTFx、TTFA 和说话人相似度补齐开源 TTS 评测的缺口。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,将近实时视频生成与语音结合,为 Gemini 实时对话模型增加能看、能听、能说的动态虚拟形象。该功能今天起在 Gemini Enterprise 可用,支持后台异步工具调用、97 种语言间的无缝语音同步切换,以及基于参考图像定制品牌虚拟形象,所有音视频输出均带 SynthID 水印。
推荐理由:原文列出了实时视觉形象、后台异步工具调用与 97 种语言同步能力,读者可据此评估企业级虚拟客服的落地方式。
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向角色 voice 设计与逐句表演控制,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:两款模型分别面向创意配音与高并发场景,并给出语音复制的同意验证与 SynthID 水印机制,便于评估合规接入。
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,前者主打规模与成本效率,后者面向高复杂度任务的多步推理。
推荐理由:原文给出两款模型在语音对话质量榜和多项 agent 基准上的具体得分,并说明开发者与企业的分阶段获取入口,可据此评估落地成本。