能够完整保留原说话者的语调和节奏，让翻译后的声音听起来更自然。
该模型响应速度更快、语音更自然，对复杂指令的处理能力也更强
真正的语音交互，核心不是“Voice”，而是“Sound”（声音）。
这一研究突破不仅是关于面部动画的，它是朝向实时互动的音频视觉AI角色迈出的一步。
基于Gemini大模型的实时翻译功能现已向Pro、Ultra订阅用户开放，企业版预计2025年晚些时候进行推广。在大会上，谷歌推出了一款名为Google Beam的全新平台，这一技术源自其此前备受关注的3D…
08/20 10:25
08/20 10:24
08/20 10:23
08/20 10:22
京公网安备 11011402013531号