谷歌 Gemini 3.8 Flash TTS 曝光：缩写与语境发音示例流出
ArtificialAnlys · x · 2026-09-24
Artificial Analysis 发布了据称是 Gemini 3.8 Flash TTS 生成的示例音频，展示其在两类语音生成挑战上的表现：
- 缩写展开类：如 "Median latency was 12 ms, reported as p50."（ms、p50 需读全称）、"Take the elevator to the 3rd Fl and turn left."（Fl → Floor）。
- 语境消歧类：如 "St. Mary's is on Church St."（St. 分别读 Saint / Street）。
所属事件:Artificial Analysis 发布 TTS 发音鲁棒性基准，Gemini 3.8 Flash 以 89.5% 登顶(12 条相关)→
「多模态」频道最新
- 开源离线语音克隆应用 Izwi：Rust 编写，16GB M1 Pro 可跑 — zinyando · 2026-11-12
- MiniMax H3 Image 生成 3D 游戏场景仅 10 秒,比 GPT Image 快 3 倍 — HeyToha · 2026-11-12
- 个人开源世界模型：任意图片变实时可控交互视频，RTX 3060 可跑 — lucidml_lover · 2026-11-12
- 前 Meta 视觉研究员花两年打造视频 Agent AdaL v2:聊天生成剪辑全流程 — Scobleizer · 2026-11-12
- 用户实测 MiniMax H3:本地 AMD 显卡 25 秒生成 4MP 恐怖图像 — omglionheaded · 2026-11-12
- 同一角色同 prompt 三图模型横评:Nano Banana Pro 对阵 GPT Image 2.6 — gizakdag · 2026-11-12