Google DeepMind 发布世界模型 Genie 4
Google DeepMind 发布世界模型 Genie 4，原生支持多模态，可在生成世界的同时生成音乐、环境音和交互对话。Genie 4 支持用自然语言实时修改天气、镜头和场景元素，并借助 Gemini 3.8 Flash 作为循环中的引导智能体完成多步事件推理。
推荐理由：官方披露 Genie 4 的原生音频、实时文本操控与 Gemini 协同推理，可了解世界模型当前能力边界。
#语音
Google DeepMind精选AI 评分8080
Mistral AI精选AI 评分7878 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族，包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的 TTS 模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。
推荐理由：Mistral 一次发布语音转写、TTS 与语音智能体 SDK，并给出多语言基准和每分钟定价，便于横向比较。
Qwen Blog精选AI 评分7272 Qwen3.8-LiveTranslate 发布：Interleave 架构重构实时同传
Qwen 发布实时同传模型 Qwen3.8-LiveTranslate，以 Interleave 架构把音频与文本交织为单流，字均延迟（LAAL）从上一代 2.8 秒降至 2.3 秒。
推荐理由：官方给出 Interleave 架构与延迟数据，并说明说话人分离、双语同屏等新增能力如何进入真实同传场景。
已经到底了