DeepL 推出语音模型 Aure,实时翻译可传递语气、情绪与语速
DeepL 推出语音模型 Aure,可在 DeepL Voice 实时翻译中把说话人的语气、情绪、重音和语速带入目标语言。此前 DeepL Voice 只能依据对话开始时采集的静态声音样本生成译文语音,无法反映情绪变化,Aure 则持续分析译文与原声。该模型在在线会议、面对面交谈和 DeepL API 中自动运行,上线时支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语。
DeepL 推出语音模型 Aure,可在 DeepL Voice 实时翻译中把说话人的语气、情绪、重音和语速带入目标语言。此前 DeepL Voice 只能依据对话开始时采集的静态声音样本生成译文语音,无法反映情绪变化,Aure 则持续分析译文与原声。该模型在在线会议、面对面交谈和 DeepL API 中自动运行,上线时支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语。
百度11月11日发布基础模型文心 5.5 Flash Preview,总参数量2800亿、每个Token激活140亿参数,支持最长100万Token上下文。模型针对编程与游戏开发、Blender和CAD等3D建模工具、知识工作及视频内容创作做了专项训练,生成速度每秒超过200 tokens。
字节跳动发布新一代图像创作模型 Seedream 5.5,主打像素级精准编辑、百轮修改不崩坏、原生 RGBA 透明素材、小字渲染和摄影质感等能力。官方称在中英文及密集小字测试中,其严重文字崩坏率降至 0.4%、轻微文字崩坏率降至 1.7%;爱范儿实测连续 18 轮编辑多人物海报后,人物身份特征与构图仍保留较好。
推荐理由:原文用连续多轮改图和密集中文小字做了实测,并给出文字崩坏率与价格对比,可据此评估它在电商海报和详情页制作中的可用性。
Google DeepMind 正式上线旗舰模型 Gemini 4 Carbon,面向开发者、企业、科研人员及普通消费者开放,主打复杂编程、网络安全、科学推理和多智能体长时任务,在 CursorBench 4.0 等三项基准排名第一。
推荐理由:原文按用户群体整理了获取方式、门槛和 12 月调价后的 API 价格,可据此判断自己能否用上以及以什么方式用。
MiniMax 正式发布图像生成与编辑模型 H3 Image,定位开源图像模型中的 SOTA,发布当天开放权重,可通过 API、MiniMax 开放平台、MCode 和 MiniMax 海螺平台使用。
推荐理由:实测给出了4K生图速度、16张参考图和Agent接入案例,可以据此判断这款开源模型是否适合替代现有生图流程。
Anthropic 的新模型 Fable 5.2 在 Scale Labs 和 CAIS 的 Remote Labor Index 上以 41.3% 居首,该基准衡量 AI 智能体能否把真实自由职业项目做到付费客户可接受的质量。
ElevenLabs 发布 Scribe v3 和 Scribe v3 Live 两个语音转文本模型:Scribe v3 面向录制音频,在 102 种语言上比 Scribe v2 减少 27% 词错误率;Scribe v3 Live 面向实时音频,比 Scribe v2 Realtime 减少 43% 语义 WER,并首次加入实时说话人分离和改进的轮次检测。
量子位汇总Fable 5.2发布后的首批实测,模型在软件工程测试达69.9%,比上一代提升13.6个百分点,编程测试超过Opus 5.5的45.5%,输出速度比Fable 5.1最高快30%,支持100万Token上下文、最高12.8万Token输出,价格下调20%,API每百万输入、输出Token分别为8美元和40美元。
量子位在豆包中实测字节的Seedream 5.5图像模型,用连续100轮编辑、多图合成广告、电影感画面、科学海报、动作迁移和图层拆分等任务对比GPT-Image 2.6。
推荐理由:作者以100轮连续编辑、多图融合、图层拆分等任务实测Seedream 5.5,并给出单张约0.28元的API成本参考。
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,生成速度较 5.1 版最高快 30%,标准 API 价格降至每百万输入 token 8 美元、输出 40 美元。苹果国行 Apple 智能备案新增平板和笔记本电脑两类适用场景,场景变更日期为 11 月 9 日。英伟达股价 11 月 9 日收跌 4.27%,单日市值缩水约 1.29 万亿元人民币。
Google DeepMind 发布 Gemini Omni 1.2 Flash,并在 Gemini API 和 Gemini for business 全面开放。
推荐理由:原文给出每秒价格、15 秒时长上限和多轮编辑等具体参数,可据此评估一次生成完整广告素材的成本与可行性。
Google DeepMind 宣布新一代世界模型 Genie 4,主打更高写实度、实时交互模拟和原生音频生成,角色可实时对话并对输入作出反应。模型结合 Gemini 家族能力,由 Gemini 3.8 Flash 在循环中充当引导智能体,将目标拆解为步骤并校验渲染进度。