Google DeepMind 发布 Gemini 3.1 Flash TTS,新增音频标签控制
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS,在 Artificial Analysis TTS 榜单取得 1,211 的 Elo 分数,并新增音频标签,可用自然语言直接控制语速、语气与演绎方式。
推荐理由:官方同时给出音频标签用法与各平台开放入口,读者可据此判断可控语音生成在开发与企业场景的适用性。
Google 与 DeepMind 的 AI 动态:Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
Google DeepMind 发布文本转语音模型 Gemini 3.1 Flash TTS,在 Artificial Analysis TTS 榜单取得 1,211 的 Elo 分数,并新增音频标签,可用自然语言直接控制语速、语气与演绎方式。
推荐理由:官方同时给出音频标签用法与各平台开放入口,读者可据此判断可控语音生成在开发与企业场景的适用性。
Google DeepMind 发布 Gemini Robotics-ER 1.6,作为推理优先的机器人模型升级版,在指点、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
推荐理由:相比 1.5 与 Gemini 3.0 Flash,新模型新增仪表读数能力,可了解机器人具身推理的进展与开放入口。
Google DeepMind 公布 AI 指针研究,提出把传达上下文与意图的负担从用户转移到计算机的四项交互原则。实验性指针由 Gemini 驱动,可在 Google AI Studio 中指向并语音编辑图片或查找地点;Chrome 已支持用指针就网页中关心的部分向 Gemini 提问,Googlebook 的 Magic Pointer 也将很快推出。
推荐理由:文章给出四项交互原则并说明指针如何借助视觉与语义上下文理解用户意图,可供判断 AI 交互入口的走向。
Google Research 与英国 NHS 合作在 Nature Cancer 发表两项配套研究,评估 AI 系统用于乳腺癌筛查的表现。
推荐理由:原文给出大规模前瞻部署的检出率与阅片量数据,并对比双读流程的效率变化,可作为评估 AI 辅助医学影像筛查能否落地的量化参考。
Google Research 与 Beth Israel Deaconess Medical Center 合作,在真实门诊场景中开展了 AMIE 对话式诊断 AI 的前瞻性可行性研究。
推荐理由:在真实门诊流程中检验了 AMIE 对话式诊断 AI 的可行性与安全性,并盲评比较其与主治医生的诊断质量,为医疗 AI 的临床落地提供了前瞻性证据。