Unverified50% confidenceReleaseExact time
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
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/7/2026
First Seen
Valid until: 10/5/2026
Sources
Related Claims
UnverifiedGemma 4的1B/2B模型自带语音识别功能73% similarUnverifiedGemma 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% similarUnverified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% similarUnverifiedAI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% similarUnverifiedWhisper用于语音识别，DALL-E 3和Sora用于图像/视频生成62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/172701API
curl https://kongchang.com/api/v1/knowledge/claims/172701MCP
get_claim(id=172701)