Hugging Face 与 Cerebras 推出基于 Gemma 4 的实时语音 AI 演示
Hugging Face 与 Cerebras 发布实时语音 AI 演示，将开放的级联语音到语音架构与 Cerebras 推理结合。链路使用 Nvidia Parakeet 做语音识别、Cerebras 上的 Google DeepMind Gemma 4 31B VLM 推理，以及 Alibaba Qwen3TTS 生成语音；各层开放、可替换。
#语音
#语音
今日 4 条Hugging Face BlogAI 评分5353
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，可对 70 多种语言进行近实时语音到语音翻译，并保留说话者的语调、节奏和音高。
推荐理由：官方说明了 70 多种语言的连续语音翻译能力，并给出 API、Google Meet 和 Google Translate 的落地入口。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini Omni Flash 多模态视频生成模型
Google DeepMind 推出 Omni 系列首个模型 Gemini Omni Flash，支持组合图像、音频、视频和文本输入，生成依托 Gemini 现实知识的高质量视频，并可通过多轮自然语言对话编辑视频。
推荐理由：可了解 Gemini Omni Flash 的多模态输入、对话式视频编辑与上线渠道，便于对比现有视频生成工具的工作流差异。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 推出 Gemini 3.1 Flash TTS 文本转语音模型，主打更强的可控性、表现力和音质，并通过 Gemini API、Google AI Studio、Vertex AI 预览开放，Workspace 用户可在 Google Vids 中使用。
推荐理由：官方说明了模型的可控语音标签、多语种支持和预览入口，便于开发者判断其在语音应用中的接入方式。
Mistral AI精选AI 评分8181 Mistral AI 发布 4B 参数文本转语音模型 Voxtral TTS
Mistral AI 发布首个文本转语音模型 Voxtral TTS，参数规模 4B，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言。
推荐理由：官方公布了多语言语音生成、低延迟、声音适配和开放方式，可帮助评估其在企业语音智能体流程中的适用性。
Google Research精选AI 评分6262 Google Research 发布 WAXAL：覆盖 27 种撒哈拉以南非洲语言的开放语音数据集
Google Research 发布开放语音数据集 WAXAL，覆盖 27 种撒哈拉以南非洲语言、超过 26 个国家的 1 亿多名使用者。初始版本包含约 1,846 小时 ASR 转写自然语音和超过 565 小时 TTS 高保真录音，并以 CC-BY-4.0 许可开放。数据集自 2021 年起与非洲学术及社区组织合作建设，Google 还计划继续扩展语言覆盖。
推荐理由：原文给出语言覆盖、ASR 与 TTS 数据规模及开放许可，便于读者评估其对低资源语音研究的基础价值。
Mistral AI精选AI 评分8181 Mistral AI 发布 Voxtral Transcribe 2 语音转文字模型
Mistral AI 发布 Voxtral Transcribe 2，包含面向批处理的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime，均支持 13 种语言。
推荐理由：官方同时给出批处理与实时两款语音转文字模型的延迟、价格、语言支持和开放权重安排，便于比较接入方式。
Mistral AI精选AI 评分7272 Mistral AI 为 Le Chat 推出 Deep Research、语音模式、Projects 与图像编辑等功能
Mistral AI 为 Le Chat 发布多项新功能，包括 Deep Research 预览模式、基于 Voxtral 的语音模式、由 Magistral 驱动的多语言 Think 模式、Projects 文件夹，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：官方一次性说明 Le Chat 在研究、语音、推理、项目管理和图像编辑上的能力扩展，可用于对比通用 AI 助手的功能演进。
Mistral AI精选AI 评分8282 Mistral AI 发布 Voxtral 语音理解模型，推出 24B 与 3B 版本
Mistral AI 发布 Voxtral 语音理解模型，包含面向生产的 24B Voxtral 和面向本地及端侧部署的 3B Voxtral Mini，二者均采用 Apache 2.0 许可并提供 API。
推荐理由：官方同时给出 24B 与 3B 两种规格、Apache 2.0 许可和 API 定价，便于比较开源部署与托管调用的取舍。