今日AI：Gemini 3.8 TTS与机器人硬件基础设施

知识状态截至2026-09-24。材料收集于2026-09-24。

今天在语音合成、会话系统以及硬件基础设施领域发布了一系列公告。Google推出了先进的Gemini 3.8 TTS模型，而OpenAI则专注于心理健康安全以及亚洲的教育领域。与此同时，诸如Ringg之类的公司在客户服务中部署了高效的GPT-5.6模型，而Microsoft则通过将计算转移到云端来优化物理机器人的推理基础设施。

今日要点 (TL;DR)

• Gemini 3.8 TTS：Google发布了支持超过100种语言并具有高级音频控制功能的新型语音合成模型。
• MentalHealthBench：OpenAI创建了一个基于专家知识的基准，用于评估心理健康对话中AI回答的安全性。
• Ringg：该公司部署了基于GPT-5.6模型的AI代理，将客户服务成本降低了90%。
• Grab：OpenAI和Grab为东南亚的30000名合作伙伴启动了GO Forward with AI教育计划。
• Microsoft：研究人员开发了一种方法，通过将AI计算从机载单元转移到外部基础设施来提高机器人的性能。

Google推出Gemini 3.8 TTS模型

根据9月23日的公告，Google发布了两个新的文本转语音模型：Gemini 3.8 Flash TTS和Gemini 3.8 Flash-Lite TTS。这些系统提供高级的语音合成功能，支持100多种语言和方言。

Gemini 3.8 Flash TTS的设计旨在用于角色创建和高级声音设计。它允许通过自然prompt从头开始创建新声音，并确保对表现参数（如节奏、情感或说话方式）的详细控制。而Gemini 3.8 Flash-Lite TTS针对性能和成本进行了优化，使其成为大规模内容创作（如配音或语音代理）的合适解决方案。

用户可以使用包含2000多个现成声音的库，或者根据30秒的样本复制现有的音色。这些模型还允许精确控制对话，包括在单个场景中支持多位说话者以及添加笑声或呼吸声等自然插话。

在安全问题上，Google引入了声音所有者同意验证机制以及SynthID保护，这会对生成的音频施加数字水印。这些模型在Hume AI排行榜上名列前茅，在Voice Design Benchmark中获得了71.4的分数，并在口音建模方面获得了高分（60.8）。新功能可供Google AI Studio中的创作者和开发人员使用，也可以通过Gemini API、Gemini Enterprise、Gemini Notebook以及Google Vids使用。

对于AI构建者：新模型显着扩展了声音表达的个性化和控制能力，提供了剧本编辑工具，允许对长音频格式中的声音参数进行线性控制。

OpenAI推出MentalHealthBench

根据9月23日的公告，OpenAI推出了MentalHealthBench，这是一个基于专家知识的基准。该工具用于评估人工智能在涉及心理健康的现实对话中生成的有用且安全的回答。

对于AI构建者：新基准允许以系统化的方式验证会话系统在这一敏感主题领域的交互质量和安全性。

Ringg部署基于GPT-5.6的AI代理

Ringg公司于9月23日宣布部署多语言AI代理，接管客户通话服务。该系统利用GPT-5.6模型通过语音、聊天、WhatsApp平台和网站进行通信。该解决方案允许解决高达65%的来自客户的咨询。根据该公司声明，与GPT-4.1模型相比，GPT-5.6的应用使运营成本降低了90%。

对于AI构建者：这个例子表明，在具体的商业应用（如客户服务）中，新一代模型的成本效益取得了显着进展。

OpenAI与Grab在东南亚的合作

根据9月23日的信息，OpenAI和Grab宣布启动一项名为GO Forward with AI的区域计划。该倡议旨在支持30000名合作伙伴获得与人工智能相关的实践技能。该计划面向来自东南亚的用户，重点是传授在日常工作中有效利用AI解决方案所需的知识，并发展该地区的数字能力。

对于AI构建者：这种合作伙伴关系展示了科技公司如何为庞大的终端用户群体扩大AI工具实际应用的教育规模。

Microsoft优化物理机器人推理基础设施

来自Microsoft Research的研究人员于9月23日发表了一项分析结果，表明将人工智能推理过程从机器人的机载计算单元转移到外部基础设施（边缘或云端）可以显着提高机器人的工作效率。

根据该研究，以往仅依赖内置图形处理器（GPU）的模型限制了性能、电池续航时间和机器人系统的可扩展性。以移动操作任务为例进行的测试表明，将计算转移允许处理更复杂的AI模型，同时缩短响应时间并提高操作准确性。在测试中，当使用由外部算力支持的较轻机载硬件时，观察到仅使用内置的、性能较差的GPU可能会导致模型准确度下降50%，并且与A100单元相比，规划过程减慢多达383%。

另一个好处是显着延长了机器人的工作时间而无需充电。利用外部系统可以替代耗电的机载组件（例如Jetson Thor，其使用可能会使电池负担增加160%），改用更轻的Raspberry Pi-5类型的解决方案。

作为扩展Physical AI Toolchain的一部分，Microsoft引入了支持这种工作模型的新工具。开发人员可以使用基于Kubernetes的软件，该软件能够对机器人、边缘基础设施和云之间的计算负载进行容器化和自动分发。该框架与机器人模拟器、LeRobot和ROS2完全集成，并在已发布的文档中为SO-101、UR10e机器人以及控制Mobile Aloha机器人的Rho模型提供了示例项目。

对于AI构建者：部署机器人系统需要平衡计算性能与能量限制和网络延迟，因此采用offloaded inference类型的解决方案成为为在不可预测条件下运行的高级机器人设计基础设施的关键要素。

常见问题解答 (FAQ)

Gemini 3.8 Flash TTS提供哪些功能？

Gemini 3.8 Flash TTS允许通过prompt创建新声音，并精确控制表演参数（如节奏、情感和说话方式）。该模型支持100多种语言和方言，允许复制现有音色并在一个音频场景中支持多位说话者。

为什么将计算从机器人转移到外部基础设施是有利的？

将AI推理过程从机载GPU转移到外部基础设施可以提高性能、操作准确性和电池续航时间。这允许使用更轻的机载硬件，避免模型准确度下降，并与仅在内置单元上工作相比缩短机器人系统的响应时间。

Źródła

• Gemini 3.8 text-to-speech says hello — 2026-09-23
• Introducing MentalHealthBench — 2026-09-23
• Ringg’s AI agents resolve up to 65% of customer calls with OpenAI — 2026-09-23
• Grab and OpenAI bring practical AI skills to Southeast Asia — 2026-09-23
• Offloaded inference for real-world physical AI robotics — 2026-09-23

--- 本文本由 aipoc-lab (AI) 实验室根据上述公开可用的来源自动准备。自主摘要，非复制。人工编辑前的版本。