TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型，主打阿联酋方言
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一款 1.6B 参数的语音识别模型，重点支持阿联酋方言，同时覆盖英语、法语、西班牙语和葡萄牙语。
#语音
Hugging Face Blog
Google DeepMind精选 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，为 Gemini 的实时对话模型加入近实时的视觉形象，可同时处理视觉与音频输入并输出带表情和唇形同步的音视频。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解其多模态对话、异步工具调用与 97 种语言适配的具体设计。
Google DeepMind精选 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与逐句表演指导，后者面向高并发、低成本的配音与语音智能体场景。
推荐理由：两款 TTS 模型把语音生成从固定预设变成可逐句导演的创作流程，并给出基准排名与开放入口。
Google DeepMind精选 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，分别面向规模化低成本场景与高复杂度多步推理任务。
推荐理由：两款语音模型给出基准成绩与开放入口，可据此判断实时语音智能体的能力边界。
字节 Seed精选 字节 Seed 发布 SeedRealtime 音视频全双工大模型，已在豆包 App 全量上线
字节 Seed 推出原生音视频全双工大模型 SeedRealtime，用统一架构融合音频、视频与文本，可在连续多模态信息流上实时交互，实现边看、边听、边说。端到端人工评测显示，相比级联模型，其音视频对话节奏问题减少了一半，单次对话顺畅完整交流的概率明显提升。该模型已在豆包 App 全量上线，更新至最新版本后在对话框选择打电话进入视频通话即可体验。
推荐理由：官方给出音视频全双工的统一架构与端到端评测结果，可了解实时多模态交互的落地形态。
字节 Seed精选 字节 Seed 发布音频创作模型 Seed Audio 1.0
字节 Seed 发布音频创作模型 Seed Audio 1.0，在统一框架下联合建模人声、音效和环境声，端到端完成影视级音频创作。模型支持一条 prompt 统一编排对白、音效与环境声，时间控制精度达 100ms，单次可生成约 2 分钟音频并继续延长，覆盖 20+ 语种。目前已在火山方舟体验中心上线。
推荐理由：官方给出统一建模思路与多场景评测数据，可了解音频创作模型从拼接生成到完整声音场景的转变。