Google 推出 Gemini 2.5 Flash Live 原生音频预览版，语音对话更自然
Google 在开发者更新中发布 Gemini 2.5 Flash 原生音频 Live 预览版，并称其为最新的 Gemini Live 模型迭代，重点提升函数调用（Function Calling）可靠性与对话自然度。该模型以原生音频方式处理输入与输出，减少传统 ASR/TTS 级联带来的延迟与失真...
Admin •
64
Qwen Chat Travel Planner 上线：Amap 与 Fliggy 接口加持，生成逐日行程
Qwen 宣布在 Qwen Chat 中推出 Travel Planner，可基于 Amap（高德地图）与 Fliggy（飞猪）接口及搜索能力，自动生成逐日行程，包含酒店与交通建议、景点顺路安排与时间规划。官方展示的用法强调“按兴趣、节奏与预算”自适应，支持从城市灵感到落地执行的全流程辅助。相关介绍...
Admin •
47
Microsoft 测试 Copilot「Browser Actions」，为 Edge 上线代理式浏览做准备
微软正在 Edge 内测 Copilot 的「Browser Actions」入口，配合已公布的 Copilot Mode，为即将推出的代理式浏览功能做准备。测试界面显示，该开关位于 Copilot 的隐私设置，说明 Copilot 可使用当前 Edge 个人资料信息在网页中完成任务，属于可选、需用...
Admin •
55
Qwen-Image-Edit-2509 上线：多图编辑与一致性大幅升级，面向创作者与设计师
Qwen 团队发布 Qwen-Image-Edit-2509，为 Qwen-Image-Edit 的月度重构版，聚焦多图编辑与单图一致性。多图模式可拖入“人+产品”“人+场景”等最多 1–3 张参考图，模型在合成时保持主体与材质连贯，减少错位与“拼接感”。在单图编辑中，人脸跨姿势与风格保持身份一致，...
Admin •
178
通义千问发布 Qwen3-TTS-Flash：英中双强，统一架构支持 17 种音色
阿里通义团队宣布推出新一代文本转语音模型 Qwen3-TTS （含 Qwen3-TTS-Flash 变体），主打多音色（multi-timbre）、多语种与多方言合成，强调更自然、富有表现力的语音输出。官方演示与博客显示，模型在英文与中文场景表现突出，并新增统一架构以在同一模型内覆盖多语与多方言。当...
Admin •
113
OpenAI 发布博文解读 Responses API：为 GPT-5 打造的“推理+工具”统一接口
OpenAI 发布「Why we built the Responses API」阐述设计取向：Responses 以“推理-行动-反馈”的状态化循环取代单回合对话，允许模型在多轮中保留内部推理状态，并一次返回多种“项目”（消息、函数调用、结构化输出等），适配文本、图像、音频与函数调用等多模态交互。...
Admin •
131