跳到正文

技术方向

多模态 最新动态

文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。

21 条精选近 30 天 19 条共收录 146 条

更新

精选归档 · 第 2 页

9月25日周五第 21–21 条
  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，实现带口型同步、自然表情和流畅轮次的视觉化对话，已在 Gemini Enterprise 上线。

    推荐理由：官方给出 Live Avatar 的实时视频对话能力、异步工具调用与 97 种语言支持，可据此判断企业级多模态交互的落地边界。