谷歌Gemini 3.8 TTS:30秒样本就能复刻声音
相关推荐
谷歌发布Gemini 4 Hydrogen,速度较3.8 Flash快2.5倍
PANews 11月13日消息,据谷歌官方X发布,谷歌推出Gemini 4 Hydrogen模型,提供低、中、高及新增xhigh四档思考等级,任务完成速度较Gemini 3.8 Flash快2.5倍,在Artificial Analysis智能指数上超过Argon。该模型即日起面向Gemini应用、谷歌搜索、Google AI Studio及Gemini API推出。
10 月 9 日起,谷歌 Gemini 免费用户仅能使用 Flash-Lite
火星财经消息,IT 之家援引谷歌 Gemini 应用帮助中心信息称,自 2026 年 10 月起,使用个人账号访问 Gemini 应用时,模型可用情况将发生变更。自 2026 年 10 月 9 日起,Gemini 网页端与 App 端免费个人用户不再默认提供完整的 Flash 模型及 Pro 模型访问,统一调整为体积更小、更轻量的 Flash-Lite 模型。变更生效后,未订阅用户仅可使用 Flash-Lite,不能使用 Flash 与 Pro。AI Plus 方案可使用 Flash-Lite 与 Flash,不再提供 Pro 模型访问,订阅该方案的用户将收到电子邮件,说明变化何时对其生效。AI Pro 与 AI Ultra 方案用户仍可使用 Flash-Lite、Flash 与 Pro。
谷歌Gemini 4 Carbon全面推出,开放API调用
PANews 11月11日消息,谷歌CEO Sundar Pichai在X平台宣布,Gemini 4 Carbon今日起开始推出。该模型专为长时程持续任务打造,可对复杂软件工程、网络安全及科学发现进行深度推理,将通过Google AI Studio中的Gemini API及Gemini企业版面向全球开放,Ultra订阅用户还可在Antigravity、Gemini App及搜索AI模式中使用。谷歌此前于10月底发布Gemini 4 Carbon,并率先向部分网络安全防御者开放。
ElevenLabs v4登顶TTS榜,超过Gemini和Qwen
动察 Beating AI 快讯,ElevenLabs 发布新一代语音模型 Eleven v4 和实时版 Eleven v4 Turbo。v4 主打更自然的情绪和声音控制,Turbo 面向实时语音 Agent,中位推理延迟约 100ms。 在 Artificial Analysis 最新 TTS 盲测榜中,Eleven v4 目前以 1315 Elo 排第一。Cartesia Sonic 3.6 为 1275,Gemini 3.8 Flash TTS 为 1267,Qwen-Audio-3.0-TTS-Plus 为 1258。上一代 Eleven v3 目前只有 1169,排第 17。 v3 已经支持笑声、耳语等音频标签,v4 主要把这套控制做得更准。用户可以直接指定语气、节奏、情绪和音效,也可以用自然语言描述一句话该怎么说。模型还把语言覆盖从 70 多种扩到 90 多种,Instant Voice Clone 只需要约 10 秒音频,并增强了长文本和多人对话中的声音一致性。 Turbo 则专门解决实时对话的速度问题。官方文档显示,v3 Conversational 的中位推理延迟约为 280ms,v4 Turbo 降到约 100ms。
谷歌推出Gemini Omni 1.2 Flash,价格下调30%
当地时间11月5日,谷歌宣布正式推出视频生成模型Gemini Omni 1.2 Flash,并在Gemini API和Gemini for Business中全面开放。谷歌表示,Gemini Omni 1.2 Flash引入了原生15秒视频创作、多轮对话式编辑功能以及增强的参考遵循能力。该模型价格较Gemini Omni 1.1下调30%,720p分辨率下定价为每秒0.07美元。(界面)
Google向美国Gemini用户开放钱包连接功能,并支持通过Plaid进行关联
PANews 11月14日消息,Google 向美国所有 Gemini 应用用户开放 Google Wallet 功能,可基于用户消费习惯提供更个性化的理财问答。新功能包括在聊天中生成现金流、资产配置和预算动态图表;查找被遗忘的订阅和经常性扣款,并提示价格上涨;根据往年消费建议节日预算等。用户还可选择通过 Plaid 链接信用卡和银行账户。Google 强调,该功能以安全和隐私为核心,Gemini 仅可读取账户信息,无法转移、管理或投资资金。