跳到正文
#语音
  1. Hugging Face Blog62

    IBM 发布 Granite Switch 4.1：单一端点支持对话、决策与语音

    IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，在单一托管端点内整合对话、通用与专用决策以及语音转文字能力。

    推荐理由：Granite Switch 4.1 把决策适配器与 ASR 组合进单一端点，读者可据此了解多能力复用同一 KV cache 的部署思路。

  1. Google DeepMind73

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成，使智能体能边听、边看、边说并呈现动态视觉形象。

    推荐理由：官方给出 Live Avatar 的实时音视频耦合、异步工具调用与 97 语言同步能力，可据此判断企业级对话智能体的形态变化。

已经到底了