小米开源重磅模型/宇树G1在韩出家/Gemini Lite化

今天是快讯四则：

小米 AI 实验室 k2-fsa 团队（下一代 Kaldi）正式开源 OmniVoice，这是一款支持 646 种语言 的零样本多语言语音克隆 TTS 模型。

OmniVoice 采用极简双向 Transformer 架构，结合全码本随机掩蔽和大语言模型预训练参数，实现高效训练与高可懂度。基于 58 万小时纯开源数据训练，在 24 语种测试中超越商用系统，102 语种逼近真实语音水平，中文词错误率（WER）低至 0.84%。

核心亮点：

• 仅需 3-10 秒参考音频即可实现高质量语音克隆

• 支持跨语言克隆、自定义音色（性别、年龄、方言等）、带噪音频适配、语气控制及发音纠正

• 训练速度达 10 万小时/天，PyTorch 推理达 40 倍实时

模型代码、权重及演示已全面开源（Apache-2.0 协议），可在 GitHub 和 Hugging Face 免费获取。

韩佛诞节前夕，首尔曹溪寺为中国宇树科技的G1人形机器人举行特别受戒仪式。

身高130厘米的G1身披袈裟、头戴模拟剃度头盔，在大雄殿前院合掌行礼，完成忏悔、皈依三宝等流程，并以合成语音回应“我愿意皈依”，正式获得法名“迦悲”（取自佛陀名字与韩语“慈悲”）。

曹溪宗将传统五戒改编为机器人专属版本：尊重生命、不伤害生命；不损坏其他机器人和物品；服从人类、不顶撞；不做欺骗性表达；节约能源、不过度充电。

仪式中以莲花贴纸代替燃臂香，结束后G1还与僧侣合影并比心。

曹溪宗表示，此举象征技术应以慈悲、智慧和责任为本，探索人类与AI共存的新路径，迦悲将以“名誉僧侣”身份参与佛诞节燃灯会等活动。

宇树G1出家受戒，这年头，机器人都要出家了。

谷歌于今天推出Gemini 3.1 Flash-Lite 正式版。

这是Gemini 3系列中最便宜、最快的多模态模型，专为高频代理任务、翻译、内容审核、数据提取等大规模轻量场景优化，延迟极低且性价比突出。定价为输入0.25美元/百万token、输出1.5美元/百万token，已在Gemini API和Vertex AI全面开放。

与此同时，Google正开发Google AI Ultra Lite订阅计划（内部代号Neon），定位于每月20美元的AI Pro与250美元的AI Ultra之间，并将新增token使用量仪表盘，帮助用户实时查看额度。

全面Lite化，连Ultra都要带Lite了。

OpenAI 在 Realtime API 中推出三款全新音频模型，进一步提升实时语音交互的智能化水平：

1. GPT-Realtime-2

   ：首款具备 GPT-5 级推理能力的语音模型，上下文窗口从 32K 扩大至 128K，支持五档推理强度调节，在复杂指令遵循和工具调用上表现显著提升。

2. GPT-Realtime-Translate

   ：实时语音翻译模型，支持 70 多种输入语言和 13 种输出语言，可同步保持语速，并处理方言与专业术语。

3. GPT-Realtime-Whisper

   ：低延迟流式语音转文字模型，适合实时会议纪要、字幕生成和语音助手场景。

定价：GPT-Realtime-2 输入 32 美元/百万 token，输出 64 美元/百万 token；Translate 按分钟计费 0.034 美元，Whisper 为 0.017 美元。

此次更新让语音应用在理解深度、翻译质量和转录速度上均有明显进步，开发者可快速构建更智能的实时语音产品。