Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Gemini 3.8 Live with Live Avatar 已在 Gemini Enterprise 上线,将近实时视频生成与语音对话结合,让企业智能体以带口型同步和自然表达的动态形象进行实时对话。
推荐理由:原文给出 Live Avatar 在多语言同步和后台工具调用上的具体能力,读者可据此判断企业实时客服场景的落地边界。
AI 视频生成与理解:文生视频模型、视频编辑工具与影视创作变革的追踪。
Gemini 3.8 Live with Live Avatar 已在 Gemini Enterprise 上线,将近实时视频生成与语音对话结合,让企业智能体以带口型同步和自然表达的动态形象进行实时对话。
推荐理由:原文给出 Live Avatar 在多语言同步和后台工具调用上的具体能力,读者可据此判断企业实时客服场景的落地边界。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能,官方称视频分析成本最多降低 66%、token 消耗最多降低 88%、准确率最高提升 7%。
推荐理由:官方给出成本最多降 66%、token 最多降 88% 的基准数据,可据此判断长视频分析的工程取舍。
Google DeepMind 发布 Gemini Omni 1.1 Flash,为开发者提供场景延展、首尾帧指定、360p 快速草稿和最高 4K 放大等生成视频控制能力。
推荐理由:相比此前只能参考最后一秒的版本,Omni 1.1 把场景延展的上下文提到 10 秒,并给出 360p 草稿与 4K 输出等具体参数。
Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 两款模型。
推荐理由:两款模型都给出了延迟、单价与上线入口,开发者可据此对照现有图像和视频管线判断成本与选型。
Google DeepMind 发布 Gemini Omni 模型家族,首个模型 Gemini Omni Flash 开始在 Gemini 应用、Google Flow 和 YouTube Shorts 上线。
推荐理由:官方列出了 Omni Flash 的多模态输入与对话式视频编辑能力,可据此判断它对现有视频创作流程的影响。