推动音频生成的前沿

本文介绍了 Google DeepMind 最新语音生成研究的进展:新模型可在 3 秒内于单块 TPU v5e 芯片上生成 2 分钟的多说话人自然对话,速度超过实时 40 倍,并已支撑 Gemini Live、Project Astra、NotebookLM Audio Overviews 和 Illuminate 等产品。