#语音生成
共 2 篇相关文章
教程攻略·6 分钟
Gemini多模态Agent开发实战：理解到生成的全链路架构解析
深入解析Google Gemini多模态Agent开发方案，涵盖100万token上下文的多模态理解、原生图像与语音生成、Live API实时交互，以及Notebook LM克隆应用的完整构建过程与架构设计。
阅读全文 →
科技前沿·5 分钟
Dia开源项目一天5000星：两本科生3个月复刻NotebookLM播客功能
开源AI语音生成项目Dia上线一天GitHub星标破5000，由两名本科生自学3个月打造。1.6B参数实现近乎实时的双人对话生成，效果媲美谷歌NotebookLM，支持笑声、咳嗽等非语言细节模拟。
阅读全文 →