AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成，实现带唇形同步、自然表情和流畅轮次的视觉化对话，已在 Gemini Enterprise 上线。
推荐理由：官方给出 Live Avatar 的实时视频对话能力、97 种语言同步与异步工具调用细节，可据此判断企业级多模态交互的落地形态。
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发配音与语音智能体。
推荐理由：官方给出两款 TTS 的定位差异、可用入口与基准排名，便于判断语音生成在配音和播客场景的落地方式。
Google DeepMind 发布两款实时对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务和多步推理。
推荐理由：官方给出两款语音模型的基准成绩与开放渠道，可据此判断实时语音智能体的落地成熟度。
OpenAI 在 API 中推出 GPT-Live-1，支持自然的全双工语音对话。该模型具备更强的指令遵循能力，支持自定义音色和电话（telephony）接入。
推荐理由：OpenAI 把全双工语音对话能力开放到 API，开发者可据此判断语音应用的接入方式与能力边界。