Hugging Face 与 Cerebras 将 Gemma 4 接入实时语音 AI
Hugging Face 与 Cerebras 演示了一套实时语音到语音流水线，用 Cerebras 加速 Gemma 4 31B 推理，串联 Nvidia Parakeet 语音识别与阿里 Qwen3TTS 语音合成。
推荐理由：展示了开源级联语音到语音栈的模块化组合方式，可借鉴其用快速推理压低长尾延迟的思路。
#Agent
#Agent
今日 3 条Hugging Face Blog精选AI 评分6262
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器架构，视觉和音频输入直接进入 LLM 主干。该模型在标准基准上性能接近 26B MoE 模型，内存占用不到其一半，可在 16GB 显存或统一内存的消费级笔记本上运行，并首次在中型模型中支持原生音频输入。
推荐理由：Gemma 4 12B 的无编码器架构与 16GB 本地运行门槛，为端侧多模态与智能体选型提供了新的权衡参考。
ElevenLabs · 音频创作精选AI 评分8585 ElevenLabs 在 ElevenCreative 推出 Flows Agent
ElevenLabs 在 ElevenCreative 推出 Flows Agent，将对话式 AI 助手接入 Flows 画布，自动选择模型、创建并连接节点，执行图像、视频和音频生成流程。它支持通过对话修改已有流程，并可在高成本生成前请求确认；复杂工作流也能在后台运行，现已在 ElevenCreative 提供使用。
推荐理由：它把多模态节点编排、生成执行和变体迭代合并到对话入口，可用于判断创作流程如何降低试错与额度控制成本。
ElevenLabs · 音频创作精选AI 评分6767 ElevenLabs与希腊政府签署语音 AI 战略合作备忘录
ElevenLabs与希腊政府签署战略合作备忘录，将探索把语音 AI 应用于公共服务、数字旅游和希腊语言遗产保护。双方计划先从克里特方言开始，并研究在gov.gr及政府呼叫中心提供多语言服务；希腊政府数字门户目前提供超过2,200项服务。
推荐理由：三条合作路径覆盖公共服务、旅游和方言保存，可帮助判断语音 AI 走向政府场景的部署边界与合作模式。
ElevenLabs · 音频创作精选AI 评分6262 ElevenLabs推出教授语音AI支持计划与 Albert Einstein 互动学习体验
ElevenLabs推出面向教授的语音AI支持计划，并上线基于 Albert Einstein 声音与档案的互动学习体验。教授可免费使用 Pro tier，并为特定课程和项目向学生提供限时访问。Albert Einstein 的重现声音已在 ElevenReader 和 ElevenLabs Agents 中提供，支持英语、德语、法语、巴西葡萄牙语和西班牙语。
推荐理由：同时覆盖教育者获取权限与历史声音互动两端，为课堂语音工具的接入方式和学习体验设计提供了可参考案例。
Google DeepMind精选AI 评分8383 Google DeepMind 将 Street View 接入 Project Genie，推出真实地点世界模拟能力
Google DeepMind 为实验性原型 Project Genie 推出 Street View grounding capability，让生成的互动环境以真实地点的 Street View 影像为起点。
推荐理由：文章展示了世界模型接入真实地点影像后的交互方式，并交代了实验性原型、地区范围与订阅门槛。
Google DeepMindAI 评分4747 Gemini for Science：面向发现新时代的 AI 实验与工具
Google DeepMind 推出 Gemini for Science，包含 Google Labs 的三款实验工具与 Google Antigravity 的 Science Skills。三款工具支持假设生成、代码变体测试和科学文献分析，相关实验将逐步开放，可在 labs.google/science 注册。
Google DeepMindAI 评分5959 Google DeepMind 与新加坡启动国家级 AI 合作计划
Google DeepMind 宣布在新加坡启动多项计划，并参与 Google 与新加坡政府新的国家 AI 合作伙伴关系，重点覆盖医疗、生命科学、教育、科研和劳动力发展。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.5，先行推出 3.5 Flash
Google DeepMind 发布 Gemini 3.5 系列，首发 Gemini 3.5 Flash，面向智能体与编码等复杂长程任务。
推荐理由：原文给出 Gemini 3.5 Flash 的智能体、编码与多模态基准，以及 API 和产品入口，便于比较模型能力与落地渠道。
Runway · 研究与模型精选AI 评分7171 Runway 发布实时视频生成模型 Runway Characters
Runway 推出基于 GWM-1 的实时视频生成模型 Runway Characters，由单张参考图生成可对话角色，处理眼神、口型同步、表情与说话和倾听时的手势，并能在长对话中维持质量。
推荐理由：Runway 把实时逐帧生成与交互控制讲成产品路线，可据此判断世界模型在角色对话与仿真训练中的落地边界。
ElevenLabs · 音频创作AI 评分5353 ElevenLabs扩大在澳大利亚和新西兰的业务布局
ElevenLabs宣布扩大在澳大利亚和新西兰的运营，计划在未来一年将当地团队规模扩大至原来的三倍，并增设销售和前线部署工程岗位。两地已有超过750,000名用户使用其技术，相关企业通过ElevenAgents开展外呼、客户预筛选和养老陪伴等应用。
ElevenLabs · 音频创作精选AI 评分7373 ElevenLabs ARR 超过 $500 million，Series D 第三次交割迎来新投资者
ElevenLabs 宣布 Series D 融资完成第三次交割，并迎来 BlackRock、NVIDIA 等新投资者；公司在 2026 年前四个月的 ARR 已超过 $500 million。其称企业正将语音智能体用于客服、销售、招聘和营销等场景，另完成 $100 million tender offer，团队规模达 530 人，遍布 50 多个国家。
推荐理由：材料将融资进展与业务指标、企业落地场景放在一起，便于判断 ElevenLabs 在语音智能体商业化中的推进路径。
Google DeepMind精选AI 评分6666 Google DeepMind 宣布 AI co-clinician 研究计划，探索临床监督下的医疗协作
Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生临床监督下由 AI 智能体协助患者护理，并评估其面向医生和患者的能力。在98个真实感初级保健问题中，系统有97个案例未出现关键错误，并在开放式药物问答中超过其他前沿 AI 系统。实时音视频远程医疗模拟显示，AI co-clinician 在140项会诊能力中的68项达到或超过初级保健医生，但医生整体表现更好。
推荐理由：文章同时给出证据检索、药物问答和实时多模态会诊的评测设计，可用于理解医疗智能体的能力边界与临床安全架构。
ElevenLabs · 音频创作精选AI 评分6161 ElevenLabs在西班牙马德里开设办公室并扩充团队
ElevenLabs在西班牙马德里开设办公室，并扩充当地销售与工程团队，以加强与客户合作。eDreams ODIGEO使用Eleven Agents以五种语言处理数百万次客服交互，解决速度和转接率均实现两位数提升。ElevenLabs还指出，西班牙企业正从试点转向大规模生产，多语种及地区语言支持是部署重点。
推荐理由：西班牙企业的客服、零售和保险案例，呈现了语音智能体规模化部署对多语种和人工转接的要求。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人具身推理能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，增强机器人所需的空间推理、多视角理解、任务规划和成功检测能力。模型新增仪表读数能力，可通过 Gemini API 和 Google AI Studio 提供给开发者，并支持调用 Google Search、VLA 或用户自定义函数。
推荐理由：文章给出 Gemini Robotics-ER 1.6 在空间推理、多视角成功检测和仪表读数上的能力变化，并说明其通过 Gemini API 与 Google AI Studio 接入机器人工作流的方式。
ByteDance Seed · 视觉生成与编辑精选AI 评分7777 字节 Seedream 5.0 Lite 发布：引入实时检索增强与多步视觉推理
字节跳动 Seed 团队发布 Seedream 5.0 Lite 智能图像创作模型，相比 4.0 在理解、推理和生成方面全面提升，并首次为 Seedream 系列引入实时检索增强能力，可联网获取最新资讯回应时效性创作需求。
推荐理由：官方披露了多模态统一架构与实时检索增强的落地方式，可据此判断图像模型向推理型创作助手演进的具体路径。
ElevenLabs · 音频创作AI 评分5353 ElevenLabs推出面向政府部门的ElevenLabs for Government
ElevenLabs正式推出面向政府部门的ElevenLabs for Government，提供覆盖语音和数字渠道的多语言语音与聊天智能体服务。正文列出福利、许可、税务办理和危机热线等场景，并称捷克智能体日均处理约5,000通电话、独立解决约85%；德州Midland部署预计每月减少约7,000个漏接电话。
ElevenLabs · 音频创作精选AI 评分7878 ElevenLabs 完成 $500M Series D 融资，估值达 $11B
ElevenLabs 宣布完成 $500M Series D 融资，公司估值达到 $11B，2025 年 ARR 超过 $330M。新资金将用于扩大 ElevenAgents 企业语音与对话智能体平台、升级语音智能体，并推进情感对话模型、配音和音频通用智能研究。
推荐理由：材料同时给出融资规模、估值变化与 ElevenAgents 的产品投入方向，可用于判断语音智能体商业化与企业采用的推进路径。
ElevenLabs · 音频创作精选AI 评分6868 MasterClass借助 ElevenLabs 让 AI 导师实现实时语音互动
MasterClass通过 ElevenLabs Text to Speech 为 Gordon Ramsay、Mark Cuban 和 Chris Voss 等 AI 导师提供实时语音对话。上线首年超过75%的 On Call 用户通过语音互动，双方还建立了涵盖红队测试、内容审核和人工复核的安全质量框架，并探索 AI roleplay 与 ElevenLabs Agents Platform。
推荐理由：案例呈现了语音质量、低延迟、联合训练与多层安全审核如何共同支撑品牌化 AI 导师的实时交互。
ElevenLabs · 音频创作精选AI 评分6868 Toyota 借助 ElevenLabs 打造 Brock Purdy AI 语音互动体验
Toyota 北加州经销商协会与创意机构 H/L 推出由 Brock Purdy AI 数字人主持的语音互动体验，基于 ElevenLabs Agents 平台运行，并通过 webhook 将语音回应与网页动画实时同步。活动上线前几周产生 12k+ 次语音互动，平均参与时长约 2 分钟，超过 25% 的对话促成提交线索表单或探索产品等行动。
推荐理由：这则案例把语音智能体、实时动画同步和线索收集串成一条营销流程，适合参考品牌互动项目的设计与衡量方式。
Replicate · 模型与制作实践精选AI 评分7373 如何为 Nano Banana Pro 写提示词：Replicate 实测其逻辑推理、文字渲染与角色一致性
Replicate 发布 Nano Banana Pro 提示词实践指南，称该模型具备图像内文字的逻辑推理能力，可读取作业题并给出带解题步骤的答案，也能把论文、财报 PDF 转成信息图。
推荐理由：汇总了 Nano Banana Pro 在文字渲染、角色一致性和世界知识上的实测边界，可据此判断它适合哪些创作环节。
Replicate · 模型与制作实践精选AI 评分8181 Replicate 加入 Cloudflare，API 和现有模型将继续运行
Replicate宣布加入Cloudflare，并将保持独立品牌；其 API 不变，现有模型和已构建的应用将继续运行。双方计划把 Replicate 的模型运行能力与 Cloudflare Developer Platform 整合，用于构建智能体、运行实时模型及在边缘部署模型。
推荐理由：这次整合保留了 Replicate 的 API 和现有模型，同时为智能体、实时模型与边缘运行提供更完整的云平台协同。
ElevenLabs · 音频创作AI 评分4949 ElevenLabs 与乌克兰共建首个智能体政府
ElevenLabs 与乌克兰政府签署谅解备忘录，推动 AI 公共服务从概念进入生产，共建“世界首个智能体政府”。乌克兰已以 Diia.AI 迈出第一步，该平台被称为“世界首个公共服务智能体应用与平台”，教育和经济领域也在推进 Mriia、Obriy。ElevenLabs 的工程师团队驻留 Kyiv，与乌克兰团队协作部署，乌克兰计划到 2030 年成为 AI 公共服务应用的领导者。
ByteDance Seed · 视觉生成与编辑精选AI 评分8282 字节跳动 Seed 团队发布 Seedream 4.0 图像创作模型
字节跳动 Seed 团队正式发布新一代图像创作模型 Seedream 4.0，用同一套架构统一文生图与通用编辑能力，并融合常识与推理。相比 Seedream 3.0 和 SeedEdit 3.0，其多模态玩法、风格化美感、逻辑理解力均有提升，最高分辨率从 2K 扩展至 4K，DiT 生图推理速度提升超 10 倍。
推荐理由：官方给出统一架构下的生成与编辑能力、4K 与推理加速细节，可据此判断图像创作工具链的选型方向。
Replicate · 模型与制作实践精选AI 评分7676 Replicate 发布远程 MCP server，支持通过自然语言探索和运行 HTTP APIs
Replicate 发布托管远程 MCP server，可接入 Claude Desktop、Claude Code、Cursor 和 VS Code，通过聊天式自然语言探索并运行 Replicate 的 HTTP APIs。
推荐理由：它展示了 Replicate 的模型检索、比较和运行如何接入 Claude、Cursor 等工具，并通过远程认证与响应过滤落地 MCP 工作流。
Replicate · 模型与制作实践精选AI 评分6868 Replicate上线 OpenAI 最新聊天、视觉与推理模型
Replicate现已支持运行 OpenAI 的 GPT-4.1、GPT-4o 和 o-series 等聊天、视觉与推理模型。GPT-4.1系列支持最长 1 million tokens 的上下文，GPT-4o系列处理文本、图像和音频，o-series面向数学、科学与复杂问题的结构化推理。
推荐理由：材料按上下文、模态、推理任务和成本速度列出模型差异，并给出 Replicate 网页界面与 API 的操作入口。
Replicate · 模型与制作实践精选AI 评分7070 Replicate 支持 FLUX.1 [dev] 图像到图像转换
Replicate 宣布 FLUX.1 [dev] 支持图像到图像转换，用户可上传起始图像、输入提示词，并通过 prompt strength 调整二者的影响比例。该功能适合风格迁移和构图控制，但从彩色图像生成黑白线稿仍较困难；周报还介绍了 Streamlit 与 Replicate 的应用开发教程，以及用于 Minecraft 开放世界探索的 Odyssey 智能体框架。
推荐理由：文章同时给出 FLUX.1 [dev] 图像到图像的使用方式与局限，并串联 Streamlit 应用开发和开放世界智能体研究，便于了解近期开源实践方向。