Tag

Gemini

当前标签下共有 12 篇内容。

谷歌发布 Gemini 3.8 语音生成模型：可定制角色声音、逐句导演双人对话

谷歌发布 Gemini 3.8 语音生成模型：可定制角色声音、逐句导演双人对话

谷歌推出 Gemini 3.8 Flash TTS 与 Flash Lite TTS 两款文本转语音模型，支持自然语言设计角色声音、逐句控制情绪和双人对话，并提供声音复现、长篇生成及批量配音能力。本文梳理两款模型的定位、开放渠道、使用限制与声音授权保护措施。

Google 发布 Gemini 3.8 Live 与 Extended Thinking：语音模型开始边说边推理、后台调用工具

Google 发布 Gemini 3.8 Live 与 Extended Thinking：语音模型开始边说边推理、后台调用工具

Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，两款实时语音模型分别面向高效对话与复杂多步推理，可结合视觉上下文、后台调用工具并持续保持自然交流，现已陆续进入 Gemini API、AI Studio、Search Live、Gemini Live 与 Workspace。

Google 推出 Gemini Agentic Video：视频理解最高降 88% Token，成本降 66%

Google 推出 Gemini Agentic Video：视频理解最高降 88% Token，成本降 66%

Google 推出 Gemini Agentic Video Understanding，让模型按任务主动搜索和重看视频片段。官方称其最高可减少 88% Token、降低 66% 成本，并提升最多 7% 准确率，现已向 Gemini API 开放。

Google 发布 Gemini Omni 1.1 Flash：最长扩展 40 秒，支持首尾帧控制与 4K 输出

Google 发布 Gemini Omni 1.1 Flash：最长扩展 40 秒，支持首尾帧控制与 4K 输出

Google 于 8 月 27 日发布 Gemini Omni 1.1 Flash，新增最长 40 秒场景延展、首尾帧控制、360p 快速草稿、1080p/4K 输出和视频参考输入，进一步把生成式视频推进到更完整的专业制作工作流。

Google 发布 Gemini 3.5 Transcribe：新一代语音转文字模型支持实时转写与智能整理

Google 发布 Gemini 3.5 Transcribe：新一代语音转文字模型支持实时转写与智能整理

Google 发布 Gemini 3.5 Transcribe，新模型面向实时与录音语音转文字，支持 85+ 语言、说话人分离、词级时间戳、自定义词汇与智能整理，并通过 Gemini API 向开发者开放。

Google Antigravity Remote Control 开始推送：现在可以用手机远程操控桌面 AI Agent

Google Antigravity Remote Control 开始推送：现在可以用手机远程操控桌面 AI Agent

Google 已开始为 Antigravity 2.0 推送 Remote Control，用户可通过手机或其他设备浏览器远程连接桌面 Agent，会话查看、新任务、计划审阅和通知都可跨设备完成。该功能目前分批开放，Google AI Ultra 用户优先。