AI 资源库 · 已整理 2 项

语音

查看与语音相关的 AI 资讯、工具、Skill、工作流和开源项目。

StepFun:阶跃星辰公开 API 的第三方档案

api-evangelist/stepfun · StepFun — independent third-party profile of a public API surface, by API Evangelist. StepFun (阶跃星辰) is a Shanghai-based AI foundation-model company whose open platform serves the Step model family — multimodal reasoning (step-3.7-flash), fast language reasoning (step-3.5-flash), vision, image generation and editing (step-2x-large, step-image-edit-

这是 API Evangelist 维护的第三方档案仓库,用于汇总阶跃星辰(StepFun)公开 API 表面的信息,涵盖其 Step 系列模型:多模态推理(step-3.7-flash)、快速语言推理(step-3.5-flash)、视觉、图像生成与编辑(step-2x-large、step-image-edit)等。该仓库本身不包含软件,仅收录文本与机器可读的 API 描述,属于待补充完善的线索型资料集合。

☆ 收藏查看来源 ↗

推出带 Live Avatar 的 Gemini 3.8 Live

谷歌在 Gemini Enterprise 里上线了带 Live Avatar 的 Gemini 3.8 Live。过去企业用的语音助手只闻其声,听不到也看不到用户。这次把接近实时的视频生成和语音结合起来,数字人能一边听、一边看、一边说,嘴型对得上,表情自然,还能在对话时在后台调用工具查数据。企业可以拿它做客服或导览;它支持 97 种语言切换,输出带不可见水印 SynthID。定制专属形象目前只对企业白名单开放。

文中可用工具

  • Gemini Enterprise企业版入口,目前已可使用的平台
  • SynthID在音频和视频输出中嵌入不可见水印,用于标记 AI 生成内容
☆ 收藏查看来源 ↗