待验证50% 置信发布精确时间

Gemma 4 新增了音频对话能力，支持 wav、mp3、m4a、flac、webm 等音频格式，并加入「保留思维链」功能

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/7

首次发现

有效期至：2026/10/5

来源

Unsloth重磅更新：支持DiffusionGemma与Gemma 4 MTP，推理速度提升2倍

rss2026/6/13

相关事实

待验证Gemma 4的1B/2B模型自带语音识别功能73% 相似待验证Gemma E2B 变体具备原生音频理解能力，可直接处理音频频谱特征而无需独立的语音识别模块67% 相似待验证语音编码器 + LLM 解码器的组合是 2023 年以来语音大模型的主流范式，Qwen-Audio、Gemini Audio、Phi-4-audio 等均采用类似设计62% 相似待验证AI音工坊支持五类独立的音效库：BGM、SFX短音效、环境音效、转场音效和范围音效62% 相似待验证Whisper用于语音识别，DALL-E 3和Sora用于图像/视频生成62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/172701

API

curl https://kongchang.com/api/v1/knowledge/claims/172701

MCP

get_claim(id=172701)