Microsoft AI 发布面向语音智能体的转写与语音合成新模型
Microsoft AI 发布 MAI-Transcribe-2-Streaming 实时转写模型与两款 MAI-Voice-2.1 语音合成模型，分别主打低延迟多语种转写和跨语种一致音色合成。
#语音
#语音
今日 2 条The DecoderAI 评分6262 The DecoderAI 评分4343 近半数测试者在1分钟通话中将Tavus AI视频形象误认为真人
Tavus推出其称为首个"人机交互模型"（HIM）的Griffin，在1分钟视频通话后48%的参与者将其误认为真人，优于此前系统最高的2%。在Nvidia进行的音视频对话拟人度测试中，Griffin得分3.83，接近真人3.92，远高于此前最佳AI模型的2.80；轻量版Griffin-Lite已向部分测试者开放研究预览。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，支持通过自然语言提示从零创建自定义声音、基于 30 秒样本复制人声，并提供 2000+ 现成声音库与 100+ 语言覆盖。
推荐理由：原文详细列出了两款新 TTS 模型的声音设计、复制与多语言能力，并给出 Hume AI 基准成绩，可对照此前 3.1 Flash TTS 评估实际提升幅度。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者兼顾成本与规模，后者面向高复杂度任务并支持边推理边说话。
推荐理由：原文给出了两款实时语音模型的多项基准成绩和面向开发者、企业的接入入口，读者可以据此对比现有同类方案的能力差异。