跳到正文
今天11月3日周二1 条
10月28日周三
  1. Google DeepMind80

    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。

10月20日周二
  1. Mistral AI78

    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。

9月18日周五