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 16 条共收录 73 条

更新

精选归档 · 第 2 页

9月25日周五第 21–21 条
  1. Google DeepMind75

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar 功能

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过原生结合低延迟流式视频与实时对话，为 Gemini 企业版引入具备视觉存在的多模态交互能力。

    推荐理由：原文展示了低延迟视频流与实时对话的原生结合，并说明了异步工具调用与多语言唇形同步机制，为评估企业级多模态交互体验提供了具体技术细节。