小米開源重磅模型/宇樹G1在韓出家/Gemini Lite化

今天是快訊四則：

小米 AI 實驗室 k2-fsa 團隊（下一代 Kaldi）正式開源 OmniVoice，這是一款支持 646 種語言 的零樣本多語言語音克隆 TTS 模型。

OmniVoice 採用極簡雙向 Transformer 架構，結合全碼本隨機掩蔽和大語言模型預訓練參數，實現高效訓練與高可懂度。基於 58 萬小時純開源數據訓練，在 24 語種測試中超越商用系統，102 語種逼近真實語音水平，中文詞錯誤率（WER）低至 0.84%。

核心亮點：

• 僅需 3-10 秒參考音頻即可實現高質量語音克隆

• 支持跨語言克隆、自定義音色（性別、年齡、方言等）、帶噪音頻適配、語氣控制及發音糾正

• 訓練速度達 10 萬小時/天，PyTorch 推理達 40 倍實時

模型代碼、權重及演示已全面開源（Apache-2.0 協議），可在 GitHub 和 Hugging Face 免費獲取。

韓佛誕節前夕，首爾曹溪寺爲中國宇樹科技的G1人形機器人舉行特別受戒儀式。

身高130釐米的G1身披袈裟、頭戴模擬剃度頭盔，在大雄殿前院合掌行禮，完成懺悔、皈依三寶等流程，並以合成語音回應“我願意皈依”，正式獲得法名“迦悲”（取自佛陀名字與韓語“慈悲”）。

曹溪宗將傳統五戒改編爲機器人專屬版本：尊重生命、不傷害生命；不損壞其他機器人和物品；服從人類、不頂撞；不做欺騙性表達；節約能源、不過度充電。

儀式中以蓮花貼紙代替燃臂香，結束後G1還與僧侶合影並比心。

曹溪宗表示，此舉象徵技術應以慈悲、智慧和責任爲本，探索人類與AI共存的新路徑，迦悲將以“名譽僧侶”身份參與佛誕節燃燈會等活動。

宇樹G1出家受戒，這年頭，機器人都要出家了。

谷歌於今天推出Gemini 3.1 Flash-Lite 正式版。

這是Gemini 3系列中最便宜、最快的多模態模型，專爲高頻代理任務、翻譯、內容審覈、數據提取等大規模輕量場景優化，延遲極低且性價比突出。定價爲輸入0.25美元/百萬token、輸出1.5美元/百萬token，已在Gemini API和Vertex AI全面開放。

與此同時，Google正開發Google AI Ultra Lite訂閱計劃（內部代號Neon），定位於每月20美元的AI Pro與250美元的AI Ultra之間，並將新增token使用量儀表盤，幫助用戶實時查看額度。

全面Lite化，連Ultra都要帶Lite了。

OpenAI 在 Realtime API 中推出三款全新音頻模型，進一步提升實時語音交互的智能化水平：

1. GPT-Realtime-2

   ：首款具備 GPT-5 級推理能力的語音模型，上下文窗口從 32K 擴大至 128K，支持五檔推理強度調節，在複雜指令遵循和工具調用上表現顯著提升。

2. GPT-Realtime-Translate

   ：實時語音翻譯模型，支持 70 多種輸入語言和 13 種輸出語言，可同步保持語速，並處理方言與專業術語。

3. GPT-Realtime-Whisper

   ：低延遲流式語音轉文字模型，適合實時會議紀要、字幕生成和語音助手場景。

定價：GPT-Realtime-2 輸入 32 美元/百萬 token，輸出 64 美元/百萬 token；Translate 按分鐘計費 0.034 美元，Whisper 爲 0.017 美元。

此次更新讓語音應用在理解深度、翻譯質量和轉錄速度上均有明顯進步，開發者可快速構建更智能的實時語音產品。