Big Bench Audio
PulseAugur coverage of Big Bench Audio — every cluster mentioning Big Bench Audio across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Google推出Gemini 3.8 Live音频模型，实现流畅的AI对话
Google推出了两款新的音频模型Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking，旨在增强对话式AI代理。这些模型支持实时交互，使代理能够在继续流式传输音频响应的同时执行API调用和工具执行等任务。Extended Thinking变体特别支持可配置的“思考”过程，允许用户打开或关闭AI的内部推理，并且可以在不中断用户对话的情况下在后台执行任务。这一进步旨在降低交互延迟，提高语音代理…
-
Google发布Gemini 3.8 Live和Extended Thinking音频模型
Google发布了Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking，这两款新的先进音频模型旨在增强语音代理功能并创造更自然的AI对话。Gemini 3.8 Live专注于规模、速度和成本效益，能够处理句子中途打断和多语言转换，而Gemini 3.8 Live Extended Thinking通过并行推理和语音处理，为复杂的、多步骤任务提供更深层次的智能。这些模型正通过API向消费者、…
-
Loka 使用 Amazon Nova 2 Sonic 构建低延迟语音助手
Loka 使用 AWS 的语音到语音模型 Amazon Nova 2 Sonic 开发了一个对话式 AI 语音助手。这种新方法对音频进行端到端处理，捕捉了传统基于文本的流程中丢失的细微差别，并显著降低了延迟。该系统在大语言模型音频基准测试（Big Bench Audio）上取得了高分，优于 Gemini 2.5 Flash Native Audio 和 GPT Realtime 等竞争对手，同时还提供了大规模部署的成本效益。
-
OpenAI 发布 GPT-5 级语音模型，支持实时推理、翻译和转录
OpenAI 发布了三款新的实时语音模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。这些模型提供了增强的推理能力、对 70 多种语言的实时语音翻译以及低延迟转录。特别是 GPT-Realtime-2，被描述为具有“GPT-5 级推理”能力，并拥有显著扩展的 128K 令牌上下文窗口，同时改进了对中断和工具使用的处理。