Hugging Face 推出 Open TTS Leaderboard,专注于开源与多语言评测
Hugging Face 推出了 Open TTS Leaderboard,这是一个专注于开源和多语言文本转语音(TTS)及语音克隆模型的评测平台。它使用可扩展的客观指标(如 WER、CER、RTFx、TTFA 和 SIM)进行快速评估,以弥补依赖人工投票的竞技场式榜单在规模和一致性上的不足。
Hugging Face 推出了 Open TTS Leaderboard,这是一个专注于开源和多语言文本转语音(TTS)及语音克隆模型的评测平台。它使用可扩展的客观指标(如 WER、CER、RTFx、TTFA 和 SIM)进行快速评估,以弥补依赖人工投票的竞技场式榜单在规模和一致性上的不足。
Google DeepMind 为 Gemini 3.8 Live 推出 Live Avatar 功能,将低延迟流式视频与实时对话模型原生结合,为企业用户提供带有动态视觉形象的对话体验。
Google DeepMind 为 Gemini 家族新增两款文本转语音模型 Gemini 3.8 Flash TTS 和 Flash-Lite TTS。
推荐理由:原文详细说明了两个新语音模型的核心能力、适用场景和开放入口,读者可以据此评估它们对音频创作和产品集成的影响。
Google DeepMind 发布两款专为实时对话优化的新模型 Gemini 3.8 Live 和 3.8 Live Extended Thinking。Gemini 3.8 Live 注重规模化与成本效益,支持 97 种语言实时切换和后台工具调用。
推荐理由:原文给出了两个新模型的核心定位、关键能力差异和开放入口,读者可以据此判断它们会怎样改变语音交互和复杂任务处理。