TechCrunch AI·12 小时前★ 2
Underdog 演示 32MB 语音模型，可生成语音与音乐
原文标题：Underdog shows off a 32MB speech model in new demo
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
Underdog 在新演示中展示了一个仅 32MB 的语音模型，体积虽小却能同时生成语音和音乐。这体现了端侧小型生成模型在音频领域的潜力。
所属主题多模态3
阅读原文 +0
AI 处理过程展开/收起
原始标题：Underdog shows off a 32MB speech model in new demo
AI 中文标题：Underdog 演示 32MB 语音模型，可生成语音与音乐
来源：TechCrunch AI · 发布于 12 小时前
分类：多模态 · AI 重要度：★ 2（2）
标签：语音生成 / 音乐生成 / 小模型 / 多模态 / 端侧 AI
关键词：Underdog 语音模型 / 32MB 语音模型 / 语音生成 / 音乐生成模型 / 小型 AI 模型
AI 处理：2026/11/7 00:01:26 · 模型 deepseek-chat · 规则版本 2026-10-21.1
相关推荐
36氪·1 天前★ 4
OpenAI发布图像模型Images 2.6，生成提速50%并新增GIF功能
AI 摘要OpenAI发布图像生成模型Images 2.6，面向全球用户在ChatGPT、Codex及API开放。生成速度较上版提升50%，增强多轮编辑的细节与角色、产品、品牌一致性，并新增GIF循环动画生成。API提供Flare与Sunburst两个版本。
#多模态
InfoQ AI·7 天前★ 4
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
#多模态
The Verge AI·10 天前★ 4
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
#多模态
TechCrunch AI·10 天前★ 4
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
#多模态