Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零生成角色声音，并逐行控制表演提示、节奏、口音变化与接话插话。
推荐理由：文中给出 Hume AI 与 Voice Arena 的具体名次和分数，读者可据此判断这两款 TTS 相对现有方案的水平。
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，面向语音智能体带来近实时推理升级。
推荐理由：两个版本的分工和基准分数写得很清楚，读者可以直接据此判断自己的语音场景该选哪一档。
Google DeepMind 发布语音转写模型 Gemini 3.5 Transcribe，据 Artificial Analysis 测量其流式场景平均 WER 为 4.0%，非流式为 2.6%，最终转写耗时相比 Chirp 3 改善 70%，FLEURS 基准上流式与非流式 WER 分别为 5.50% 和 5.04%。
推荐理由：原文给出流式与非流式的 WER 数据和相比 Chirp 3 的延迟改进，读者可据此评估它能否替代现有语音转写方案。
Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate，可自动检测 70+ 语言并连续生成流畅自然的译音，保留说话人的语调、节奏和音高，全程只落后说话人几秒。
推荐理由：解释了连续生成与等待上下文之间的取舍，读者可据此理解近实时同传的延迟表现。