Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，口型同步覆盖 97 种语言
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为原生实时对话模型加入近实时视频生成的可视化形象，同步起在 Gemini Enterprise 中开放。
推荐理由：文中说明了异步工具调用与语音对话并行的实现方式，对做企业级语音智能体的读者有直接参考价值。
技术方向
AI 视频 最新动态
AI 视频生成与理解：文生视频模型、视频编辑工具与影视创作变革的追踪。
5 条精选近 30 天 1 条共收录 8 条
更新
AI 视频的精选
Google DeepMind精选AI 评分6464
Google DeepMind精选AI 评分7171 Gemini 推出 agentic video understanding，token 消耗最多降 88%
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上线 agentic video understanding 视频分析功能，token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。
推荐理由：官方给出了 token、成本与准确率的具体变化和 API 启用方式，便于判断它会怎样改变长视频分析的成本结构。
Google DeepMind精选AI 评分6565 Gemini Omni 1.1 Flash 发布，新增场景延长与首尾帧插值等视频控制能力
Gemini Omni 1.1 Flash 发布，新增场景延长、首尾帧插值、360p 快速草稿、4K 上采样和视频参考五项创意控制，已通过 Gemini API 在 Google AI Studio 与 Agent Platform API 开放。
推荐理由：逐项给出五项新控制能力与对应 API 用法，方便开发者判断是否把生成视频流程迁到 Omni 1.1。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Nano Banana 2 Lite 图像模型并开放 Gemini Omni Flash 给开发者
Google DeepMind 发布图像模型 Nano Banana 2 Lite，并首次把视频生成与对话式编辑模型 Gemini Omni Flash 经 Gemini API 和 Google AI Studio 开放给开发者。
推荐理由：文中给出两款模型的定位分工、单价和开放入口，读者可据此判断是否把现有图像与视频工作流迁移过去。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Omni Flash 视频生成模型
Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash，可将图像、音频、视频和文本任意组合作为输入来生成视频，并支持用自然语言多轮编辑且保持角色与场景连贯。
推荐理由：原文写清了输入组合、对话式多轮编辑与分阶段开放节奏，便于判断它会怎样进入现有视频创作流程。