Gemma 4与CosyVoice 3.0实现本地语音交互闭环，支持消费级硬件部署_服务软件

1. 谷歌又放大招了Gemma4发布后，谷歌一口气放出了四个版本：手机端 E2B/E4B 轻量版、26B MoE 极速版、31B 旗舰版。尤其是31B 旗舰版，Arena AI 开源榜全球第三的位置相当惊人，小参数直接越级干翻体量20倍的对手，以前要机房集群才能跑的高端能力，现在消费级显卡就能本地跑通。不过，个人觉得31B版和国内顶流开源模型其实各有胜负，并非碾压全场 #ai前沿速递##微博兴趣创作计划##how i ai#

2. #Gemma 4：字节对字节，最强大的开源模型#发布日期：2026 年 4 月 2 日作者：Clement Farabet（Google DeepMind 研究副总裁）、Olivier Lacombe（Google DeepMind 产品组经理）Google DeepMind 今日正式发布 Gemma 4，这是迄今为止最强大的开源模型家族。Gemma 4 以“字节对字节”（byte for byte）的方式定义了开源模型的新基准，专为高级推理（reasoning）和代理式工作流（agentic workflows）而构建。它在保持轻量级和高效率的同时，实现了前沿级别的智能表现，适用于从移动设备到服务器的各种部署场景。Gemma 4 系列模型在 Arena.ai 的聊天竞技场（chat arena）中展现出领先的开放模型性能-vs-大小表现（数据截至 2026 年 4 月 1 日）。这些模型经过大量不同数据集和指标的全面评估，涵盖文本生成的各个方面。更多详细基准测试请参阅官方模型卡。Gemma 4 以 Apache 2.0 许可发布是一个巨大的里程碑。我们非常兴奋能在首日就在 Hugging Face 上全面支持 Gemma 4 系列模型。 ——Clément Delangue，Hugging Face 联合创始人兼 CEO#Gemma 4 的核心亮点与架构创新#Gemma 4 是 Google DeepMind 构建的开源模型家族，采用多模态设计，支持文本和图像输入（小型模型还原生支持音频），并生成文本输出。本次发布包括预训练和指令微调（instruction-tuned）两种变体，上下文窗口最高可达 256K tokens，并支持超过 140 种语言的多语言能力。Gemma 4 同时提供 Dense（密集）和 Mixture-of-Experts（MoE，混合专家）两种架构，特别适合文本生成、编程和复杂推理任务。模型共有四种尺寸：E2B、E4B、26B A4B 和 31B，可灵活部署于高端手机、笔记本电脑乃至服务器环境，真正实现 AI 的普惠。#关键能力与架构升级#- 强大推理能力：全系列模型均设计为高性能推理器，支持可配置的“思考模式”（thinking mode）。 - 扩展多模态支持：处理文本、图像（支持可变宽高比和分辨率，所有模型均支持）、视频，以及音频（E2B 和 E4B 模型原生支持）。 - 多样化高效架构：提供 Dense 和 MoE 变体，不同尺寸可根据部署需求灵活选择。 - 设备端优化：小型模型专为笔记本和移动设备本地高效执行而设计。 - 超长上下文窗口：小型模型支持 128K tokens，中型模型支持 256K tokens。 - 增强编程与代理能力：编程基准显著提升，并原生支持函数调用（function-calling），可驱动高度自主的 AI 代理。 - 原生系统提示支持：引入系统角色（system role）支持，实现更结构化、可控的对话。Gemma 4 采用混合注意力机制（hybrid attention），在局部滑动窗口注意力（local sliding window attention）和全局注意力（full global attention）之间交替，确保最后一层始终为全局注意力。这种设计在保持轻量级模型的速度和低内存占用同时，保留了处理复杂长上下文任务所需的深度感知能力。为优化长上下文内存，全局层使用统一的 Key-Value，并应用比例 RoPE（Proportional RoPE，p-RoPE）。#模型概览#Gemma 4 针对从移动/边缘设备（E2B、E4B）到消费级 GPU 和工作站（26B A4B、31B）的部署场景，均提供前沿级性能，特别适用于推理、代理工作流、编程和多模态理解。#Dense 模型规格#属性 E2B E4B 31B Dense总参数量 2.3B 有效（含嵌入 5.1B） 4.5B 有效（含嵌入 8B） 30.7B层数 35 42 60滑动窗口 512 tokens 512 tokens 1024 tokens上下文长度 128K tokens 128K tokens 256K tokens词汇表大小 262K 262K 262K支持模态文本、图像、音频文本、图像、音频文本、图像视觉编码器参数 \~150M \~150M \~550M音频编码器参数 \~300M \~300M 无音频说明：E2B 和 E4B 中的“E”代表“Effective”（有效）参数。小型模型采用 Per-Layer Embeddings（PLE，每层嵌入）技术，通过为每个解码器层提供独立的微型嵌入表实现参数高效利用。这些嵌入表虽大，但仅用于快速查找，因此有效参数量远小于总参数量，特别适合设备端部署。#Mixture-of-Experts（MoE）模型规格#属性 26B A4B MoE总参数量 25.2B激活参数量 3.8B层数 30滑动窗口 1024 tokens上下文长度 256K tokens词汇表大小 262K专家数量 8 激活 / 128 总 + 1 共享支持模态文本、图像视觉编码器参数 \~550M说明：26B A4B 中的“A”代表“Active”（激活）参数。在推理时仅激活约 4B 参数子集，使 MoE 模型的运行速度远高于其 26B 总参数暗示的速度，几乎相当于 4B 参数模型的速度，适合追求快速推理的场景。#基准测试结果#Gemma 4 在多个权威基准上展现出卓越性能（以下为指令微调模型结果，与前代 Gemma 3 27B 对比）：基准测试 Gemma 4 31B Gemma 4 26B A4B Gemma 4 E4B Gemma 4 E2B Gemma 3 27B（无思考模式）MMLU Pro 85.2% 82.6% 69.4% 60.0% 67.6%AIME 2026（无工具） 89.2% 88.3% 42.5% 37.5% 20.8%LiveCodeBench v6 80.0% 77.1% 52.0% 44.0% 29.1%Codeforces ELO 2150 1718 940 633 110GPQA Diamond 84.3% 82.3% 58.6% 43.4% 42.4%Tau2（3 次平均） 76.9% 68.2% 42.2% 24.5% 16.2%HLE（无工具） 19.5% 8.7% - - -HLE（带搜索） 26.5% 17.2% - - -BigBench Extra Hard 74.4% 64.8% 33.1% 21.9% 19.3%MMMLU 88.4% 86.3% - - -（完整基准详见官方模型卡。Gemma 4 在编程、数学推理、通用知识等多个维度全面领先，尤其在长上下文和多模态任务上表现出色。）#使用指南与最佳实践##1. 采样参数（Sampling Parameters）#根据任务需求调整温度（temperature）、top-p 等参数，以平衡创造性和确定性。#2. 思考模式配置（Thinking Mode Configuration）#Gemma 4 支持显式思考模式，可显著提升复杂推理任务的表现。#3. 多轮对话（Multi-Turn Conversations）#利用长上下文窗口，支持更自然的持续对话。#4. 模态顺序（Modality Order）#图像/音频输入顺序会影响模型理解，建议按逻辑顺序提供。#5. 可变图像分辨率（Variable Image Resolution）#所有模型均支持动态分辨率，优化视觉理解效率。#6. 音频处理（Audio）#E2B/E4B 模型原生支持音频输入，适用于语音相关任务。#7. 音频与视频长度（Audio and Video Length）#建议控制输入长度以保持最佳性能和效率。#获取与部署#Gemma 4 采用 Apache 2.0 许可，完全开放商用。开发者可立即通过以下渠道获取：- Hugging Face：网页链接（首日完整支持） - GitHub：网页链接 - 官方文档：网页链接 - Google AI Studio / Vertex AI：快速原型开发与生产部署 - Google Cloud：已原生集成，支持大规模应用Gemma 4 还获得 vLLM、Google TPU、AMD GPU、Intel XPU 等主流推理引擎的首日支持，极大降低了部署门槛。#结语：开源 AI 的新纪元#Gemma 4 不仅是 Google DeepMind 开放模型战略的最新里程碑，更是整个开源 AI 生态的一次重大跃升。它证明了“智能 per 参数”的极致优化可以在不牺牲性能的前提下实现真正的普惠——从手机到云端，从个人开发者到企业团队，都能轻松触达前沿多模态推理能力。无论你是构建智能代理、开发代码助手、还是探索多模态应用，Gemma 4 都将为你提供强大、可靠且完全开放的基石。立即前往 Hugging Face 或官方文档，开始你的 Gemma 4 之旅吧！更多资源： - 官方模型卡：网页链接 - 发布博客：网页链接/ - 许可协议：网页链接本文基于 Google 官方博客及 Gemma 4 模型卡完整内容翻译与整理，确保信息零损耗、无遗漏。所有技术细节、表格与基准数据均忠实还原自官方来源。 Google谷歌爱好者的微博视频

3. Google 今天发布了 Gemma 4，这是他们迄今最强的开源模型家族，脱胎于 Gemini 3 的同一套研究成果。最大的变化是许可证。之前的 Gemma 用的是 Google 自家的许可协议，限制不少。这次 Gemma 4 全系列换成了 Apache 2.0 开源协议，商用、修改、分发都没障碍。对企业和独立开发者来说，这意味着可以放心把模型嵌入自己的产品，不用再反复研究条款里的灰色地带。Gemma 4 提供四个尺寸：31B Dense、26B MoE（混合专家架构）、E4B 和 E2B。其中 31B 在 Arena AI 开源模型文本排行榜上排第三，26B 排第六，Google 称它们的表现超过了体量大 20 倍的模型。大模型支持 256K 上下文窗口，可以一次性喂入长文档或整个代码仓库。有意思的是端侧能力。E2B 和 E4B 两个小模型是 Google 和 Pixel 团队、高通、联发科联合开发的，能跑在手机、树莓派、Jetson Nano 上，延迟接近零。小模型还额外支持音频输入和语音理解。想在手机上跑一个能看图、听话、还能离线写代码的本地 AI 智能体，现在有了一个不错的开箱即用选项。31B 模型不做量化的情况下，可以装进单张 80GB 的 H100 显卡。全系列原生支持函数调用和结构化 JSON 输出，直接面向 AI Agent 开发场景。目前已经可以在 Google AI Studio、Hugging Face、Kaggle、Ollama 等平台获取模型权重。Gemma 系列自发布以来累计下载量已超过 4 亿次，社区创建了超过 10 万个变体。Google 显然想用开源生态绑住开发者。不过在 Arena AI 开源排行榜上，目前前列位置大量被中国开源模型占据，Gemma 4 的 31B 排第三，能守住多久是个问号。宝玉xp的微博视频

4. 谷歌Gemma 4深夜突降，31B爆杀20倍巨头！手机跑全血「龙虾」

5. # 谷歌 DeepMind Gemma 4 重磅发布：Agent Skills 让手机彻底成为本地 AI 代理运行时 # 2026 年 4 月 2 日，Google DeepMind 开发者体验负责人 Omar Sanseviero（@osanseviero）在 X 平台发布重磅消息： As part of the Gemma 4 release, we're launching Agent Skills: an Android app experience where you can import different skills and have Gemma 4 E2B reason and use the skills! Running entirely in the phone, available in the Google PlayStore. Try it now！随后补充下载链接与官方博客地址。本帖附带 116 秒演示视频，迅速引发全球开发者与 AI 爱好者热议，浏览量已超 16 万次。同日，Google Developers Blog 发布官方文章《Bring state-of-the-art agentic skills to the edge with Gemma 4》，详细阐述 Gemma 4 模型家族及 Agent Skills 功能。本文基于 X 原始帖文（含完整视频演示）与官方博客全文内容无损完整呈现，深度拆解技术细节、演示案例、实现原理、开发者生态及行业意义，为中文读者提供一篇零信息损失、系统性的技术战略分析。 # 一、Gemma 4 模型家族：开源 Agentic AI 的新基准 # Google DeepMind 于 2026 年 4 月 2 日正式推出 Gemma 4 模型家族，以 Apache 2.0 许可开源。Gemma 4 专为边缘设备与移动场景优化，重新定义了本地硬件上的 AI 能力。核心亮点（直接来自官方博客）： 1. 多步规划与自主行动：无需专门微调，即可实现复杂任务链与自主代理。 2. 离线代码生成与音视频处理：支持 140+ 语言，面向全球开发者。 3. 视觉处理与多模态能力：支持图像、视频处理。 4. Gemma 4 E2B / E4B 变体：专为 Agent Skills 设计，E2B 模型在部分设备上峰值内存占用低于 1.5GB。开发者可通过 Android AICore Developer Preview 或 Google AI Edge 工具链，在移动、桌面、边缘设备上快速构建代理式（Agentic）应用。 # 二、Agent Skills 核心机制：Google AI Edge Gallery 中的本地代理运行时 # Google AI Edge Gallery 应用已在 Android（Google Play Store）和 iOS（App Store）上线，支持完全本地运行的 AI 体验。今天正式推出 Agent Skills，这是首批在设备上实现多步、自主代理工作流的应用程序，由 Gemma 4 驱动。 Agent Skills 四大核心能力（官方博客原文）： 1. 知识库增强（Augment the knowledge base）：Gemma 4 可通过技能接入训练数据之外的信息。例如，构建 Wikipedia 技能，让代理回答任何百科问题。 2. 生成丰富交互内容（Produce rich, interactive content）：将段落、视频转为摘要、闪卡，或将数据转为交互图表/图形。例如，基于用户语音输入的睡眠日志，技能自动生成每日睡眠与情绪趋势图表。 3. 扩展核心能力（Expand Gemma 4's core capabilities）：集成其他模型，如文本转语音、图像生成、音乐合成。例如，上传照片后，技能分析氛围并自动匹配播放完美契合心情的音乐。 4. 端到端复杂工作流（Create comprehensive end-to-end experiences）：用户通过与 Gemma 4 的自然语言对话完成多步任务，无需切换多个 App。例如，构建描述动物并播放叫声的完整应用。技能开发与格式：每个技能本质上是 SKILL.md 文件（含提示词）+ 可选 JS 脚本（运行于隐藏 WebView）。JS 脚本拥有完整 fetch() API，可调用外部服务；原生 Intent 处理邮件、SMS；API Key 通过系统原生对话框输入，永不进入 LLM Prompt，保障隐私与安全。技能支持 URL 导入、GitHub Discussions 社区分享，或本地 ADB 推送。Google AI Edge Gallery GitHub 仓库（http://t.cn/A6eG1Bp2）提供 /skills 目录模板，开发者可快速创建并在 Discussions 分类下分享技能。 # 三、LiteRT-LM 运行时：极致性能与跨平台支持 # 为让 Gemma 4 在各类设备上高效运行，Google 推出 LiteRT-LM —— 在 LiteRT 基础上新增 GenAI 专用库，集成 XNNPack 与 ML Drift。关键特性（官方实测数据）： - 极致内存优化：Gemma 4 E2B 在部分设备上内存占用 <1.5GB（2-bit / 4-bit 量化 + 内存映射逐层嵌入）。 - 约束解码：确保结构化、可预测输出，适用于生产级工具调用。 - 动态上下文：支持最高 128K 上下文长度，CPU/GPU 动态切换。 - 高性能处理：处理 4000 个输入 token（跨 2 个不同技能）耗时不到 3 秒。 - 边缘设备表现：Raspberry Pi 5 上预填充吞吐量 133 tokens/s，解码 7.6 tokens/s，可用于离线智能家居、语音助手、机器人。跨平台支持： - 移动端：Android 12+ 与 iOS 17+，CPU/GPU 加速；Android 还可通过 AICore 系统级调用优化后的 Gemma 4。 - 桌面/Web：Windows、Linux、macOS（Metal）、WebGPU。 - IoT/机器人：Raspberry Pi 5、Qualcomm IQ8 NPU。 - 新工具：litert-lm Python 包 + CLI，支持无代码实验、工具调用，适用于 Linux、macOS、Raspberry Pi。 # 四、视频演示与实际体验（116 秒官方演示完整对应） # X 帖附带视频及 Google AI Edge Gallery 应用演示，直观展示 Agent Skills 流畅性： - 技能管理界面：一键导入、开启/关闭、搜索技能。 - Gemma-4-E2B-it 模型（GPU 加速）实时推理与技能调用。 - 演示案例涵盖 Wikipedia 查询、图表生成、照片配乐、动物介绍与叫声播放等，与博客四大能力完全对应。整个过程100% 本地运行、无需联网、无数据泄露，充分验证“手机即完整 Agent 运行时”的理念。 # 五、开发者生态与开源贡献 # - 技能开发指南：GitHub 仓库提供完整模板与示例。 - 社区分享：通过 GitHub Discussions 提交技能，官方鼓励开发者构建并分享。 - 开源地址：Google AI Edge Gallery 已完全开源（Apache 2.0），支持模型管理、基准测试、Thinking Mode 等功能。 - 贡献与反馈：X 社区已有开发者分享自定义技能、Pixel 设备适配、Mac Mini 加载方案，同时指出部分设备（如 Pixel 10 Pro Fold）偶发兼容性问题，Google 通过 GitHub 快速迭代。 X 回复亮点（部分）： - “skills as the app model for on-device AI agents. this is where the unbundling starts.” - “This is basically the Gemini Nano 4 developer preview.” - iOS 用户已可通过 App Store 下载体验。 # 六、战略意义：隐私、安全、普惠与产业重塑 # 1. 隐私革命：所有推理本地完成，敏感数据永不离开设备，特别适合科研、医疗、企业场景。 2. 离线可用性：打破云端依赖，真正实现“随时随地”代理工作流。 3. 开发者普惠：2B\~4B 小模型即可完成复杂任务，Play Store / App Store 一键安装即可体验 SOTA 代理能力。 4. 产业冲击：传统 App 可能被“技能超市”替代；手机从“查询机”升级为“执行机”；边缘 AI 与 Agentic AI 融合，将加速机器人、智能硬件、个人助理爆发。 5. 与云端互补：本地 Gemma 4 可作为 Gemini Nano 4 的开发者预览，未来无缝迁移。 # 七、立即体验与深入阅读 # - Android：Google Play Store 搜索 “Google AI Edge Gallery” 或直接访问 http://t.cn/AXIRZXRS - iOS：App Store 搜索 “Google AI Edge Gallery” 或直接访问 http://t.cn/AXIRZXRK - 开发者：GitHub http://t.cn/A6eG1Bp2 下载源码、构建自定义技能 - 官方博客：http://t.cn/AXIRZXR9 # 总结 # Gemma 4 + Agent Skills 并非简单模型更新，而是移动 AI 的一次范式跃迁。它把“代理”从云端拉到掌心，把“技能”变成可组合的乐高积木，让每一位用户与开发者都能在本地构建属于自己的智能未来。这不仅仅是 Google 的技术里程碑，更是整个边缘智能时代正式开启的信号。（本文基于 X 原始帖文全文、116 秒官方视频描述及 Google Developers Blog 完整内容撰写） http://t.cn/AXIRZa7v

6. 谷歌Gemma 4开源模型封神：31B小体量硬刚千亿级对手，跑分碾压全场！

7. 如何评价 Google 发布的开源大模型 Gemma4？使用体验怎么样？

8. iPhone本地跑Gemma 4火了，0 token时代还有多远？

9. #谷歌发布Gemma4开源大模型##谷歌发布Gemma4开源大模型#谷歌最近开源的Gemma 4系列，有几个地方确实挺实在。最让人眼前一亮的是，现在手机就能离线跑多模态AI了。比如你在没有信号的飞机上，也能用手机直接识别图片里的文字、做语音记录，不用联网也不用上传数据。而且普通电脑显卡就能带动大模型，不用非得买昂贵的专业设备。当然它也不是完美的，小模型在生成代码时偶尔会出错，稳定性还有提升空间。总的来说，谷歌这次把技术彻底开放商用，降低了AI的使用门槛。对我们普通用户来说，最大的好处就是：好用的AI工具不再需要昂贵的硬件，未来在手机、电脑上就能轻松跑起来了。“你平时会在手机上用AI工具吗？最希望AI帮你解决什么日常小问题？欢迎在评论区聊聊～”谷歌发布gemma4开源大模型

10. Gemma4对高通是巨大利好谷歌新出的Gemma4大模型，就是给高通量身定做的“赚钱神器”，对高通来说，完完全全是天上掉馅饼的大好事。以前的AI大模型又大又笨，只能在服务器上跑，手机根本带不动。而Gemma4是轻量化小模型，专门能在手机、汽车这些终端设备上离线运行，不用靠网络，反应还快，这刚好戳中了高通的核心优势。高通靠骁龙芯片吃饭，芯片里的NPU就是专门跑AI的，Gemma4一出来，刚好能把高通芯片的AI能力彻底发挥出来。以后安卓手机、平板、智能汽车，想装本地AI、用离线智能功能，就必须靠高通的芯片，别家芯片优化跟不上，根本跑不动Gemma4。这就意味着，高通的芯片会变得更值钱，手机厂商、车企抢着买，不光销量能涨，芯片还能卖更高的价格，利润直接往上翻。而且Gemma4是开源的，无数开发者会围着它做应用，用的人越多，高通芯片的地位就越稳，直接甩开竞争对手，在安卓AI芯片领域一家独大。更关键的是，不光手机，智能汽车、智能家居这些领域，Gemma4都能适配，高通的芯片能顺着这个风口，打进更多市场，赚更多钱。说白了，Gemma4就是给高通送了一把打开AI市场的金钥匙，以后不管是业绩还是行业地位，都能往上冲一大截，说是巨大利好一点不夸张。#谷歌发布gemma4开源大模型#

11. 【#谷歌发布FunctionGemma#：把 AI 大模型能力“压缩”进手机，以后玩游戏全靠“吼”】谷歌于 12 月 18 日发布公告，宣布推出 FunctionGemma，是基于 Gemma 3 270M 微调的专用模型，目的是将强大的函数调用（Function Calling）能力引入手机等边缘设备。谷歌表示，随着行业从单纯的对话式接口转向主动式智能体（Agent），开发者对模型本地执行任务的需求日益迫切。FunctionGemma 正是为此而生，它不仅继承了 Gemma 系列的轻量化优势，更通过专项微调，让边缘设备（如智能手机和嵌入式系统）无需依赖云端算力，能够精准理解用户指令并调用相应功能。与通用大模型不同，FunctionGemma 专为“定制化”设计。它既能与人类自然对话，也能生成结构化的函数调用代码来指挥计算机。在 Google 进行的“移动操作”（Mobile Actions）测试中，该模型展现了惊人的可塑性：未经微调的基础版本准确率为 58%，而经过针对性微调后，其执行复杂指令（如“明天约午饭并添加到日历”、“帮我把昨天拍的美食发给老妈”）的准确率跃升至 85%。为了在算力和电池受限的边缘设备上流畅运行，FunctionGemma 采用了极致的轻量化设计。它利用 Gemma 的 256k 词表高效处理 JSON 数据和多语言输入，大幅降低了延迟。该模型目前已适配 NVIDIA Jetson Nano 等开发板及主流移动设备，甚至能作为“交通指挥官”，处理简单任务并将复杂逻辑路由至更大的 Gemma 3 27B 模型。为了降低开发门槛，谷歌为 FunctionGemma 构建了广泛的生态支持。开发者现在即可通过 Hugging Face、Kaggle 下载模型，并利用 Unsloth、Keras 或 NVIDIA NeMo 进行微调。在部署方面，该模型全面支持 LiteRT-LM、vLLM、Llama.cpp 和 Ollama 等工具。谷歌还同步发布了 TinyGarden 游戏演示和“移动操作”微调指南，展示了如何用自然语言控制虚拟农场或手机系统设置，帮助开发者快速构建属于自己的私有化、低延迟端侧智能体。（IT之家）梨视频的微博视频

12. Gemma 4 来了，Google DeepMind 开源多模态的最强模型，吊打Qwen3.5 27B？

13. 阿里开源CosyVoice 3.0，支持双向流式、超多语言、情感控制、后训练、合成质量超自然～

14. CosyVoice 论文笔记

15. 首次提出监督语义token！CosyVoice多语言TTS：零样本克隆SS达81.58%，中英合成质量追平人类

16. ollama v0.20.0 更新：Gemma 4 全家桶发布，音频、视觉、MoE、BPE 支

17. Gemma 4 谷歌开源的字节效率之王，全面支持文本、图像、视频和音频

18. CosyVoice 3.0 把“零样本多语种配音”做成了开源全家桶：从 150ms 双流式到一键部署

19. Gemma 4 模型详解：E4B 与 31B 版本的智力水平对比、硬件条件及部署建议

20. 阿里通义实验室开源Fun-CosyVoice3-0.5B：支持零样本声音克隆

21. Gemma 4 深度解析：谷歌最新的开放模型能做什么？

22. Byte for Byte，谷歌开源最强模型Gemma 4 杀入手机端

23. 谷歌这次真的把家底掏光了！Gemma 4 炸场开源圈，31B 越级斩杀千亿模型

24. 阿里开源CosyVoice 3：0.5B参数的语音合成新标杆

25. Google Gemma 4 开源模型适配 RTX 显卡，本地运行智能体 AI 成真

26. 炸场！Gemma 4 开源发布：31B 硬刚千亿巨头，手机离线满血跑，开源 AI 彻底进入新纪元

27. 3秒复刻灵笼！CosyVoice三部曲深度解析【论文精读】 - 哔哩哔哩

28. Gemma 4本地部署小白教程，对比 Qwen3：Gemma 4 避坑指南。

29. 谷歌推出最强手机端开源模型Gemma4 E2B/E4B

30. 延迟低到离谱！这个阿里开源项目让AI真的能和你“谈心”

31. CosyVoice2-0.5B:全栈语音生成的革命性突破,实现超低延迟多语言合成

32. 4月2日-谷歌 Gemma 4 深夜突袭！31B 模型击败大 20 倍对手，教你用 Ollama 本地部署并接入 OpenClaw

33. CosyVoice 3: Towards In-the-wild Speech Generationvia Scaling-up and Post-training 论文解读

34. Fun-CosyVoice 3 重磅升级｜更快、更准、更强 Fun-CosyVoice 3 在首包延迟、合成内容准确率、多语言与情感表达等能力上全面提升，并同步开源 0.5B 轻量模型。 ⭐️核心升级亮点 • 首包延迟下降 50%，支持双向流式合成，实现输入即发声 • 中英混说能力显著提升，WER 下降 56.4% • 内容一致性与音色相似度全面提升，复杂场景CER相对降低26% • 支持 9 种语言、18 种方言、9 种情感，支持跨语种音色复刻 ⭐️Fun-CosyVoice 3（0.5B）模型开源 • 支持零样本音色克隆 • 本地部署友好 • 多项评测优于主流开源 TTS 模型 #通义 #语音大模型 #语音生成 #涨知识 #科技

35. Google 开源 Gemma 4：最强开源模型？来了

36. Google DeepMind 正式推出 Gemma 4

37. Google真正开源模型Gemma 4，31B只要20GB显存，性能稍落后GLM-5

38. Google Gemma 4 开源｜全面解读

39. CosyVoice3：通过扩展规模和后训练实现In-the-wild 语音生成

40. Google Gemma 4 正式发布：开源 AI 模型的里程碑之作

41. 谷歌发布 Gemma 4 开源大模型,31B 参数性能达头部水准

42. 谷歌AI的安卓：最新开放模型 Gemma 4，抢滩 On-device AI

43. CosyVoice3 - 跨语言会方言、懂情绪的智能配音工具一键整合包下载

44. 谷歌发布 Gemma-4：手机本地就能跑的开源大模型，还支持 Agent 和多模态

45. 谷歌开源Gemma 4，干掉了13倍体量的Qwen3.5

46. 【中配】Gemma 4 新特性介绍 - Google for Developers

47. 谷歌Gemma 4 发布：端侧小模型也能跑全模态了

48. 谷歌开源Gemma 4，31B越级斩杀20倍体量巨头

49. [中配]Gemma 4：我在笔记本和台式机上的实测体验 - Zero to MVP

50. 流式TTS新天花板！CosyVoice 2统一流/非流TTS：WER 2.47%超人类，100%码本利用率碾压VQ

51. 🦞在OpenClaw实测谷歌开源大模型Gemma 4！256K上下文+多模态输入，龙虾里实战测试多Agent协作与浏览器自动化全流程！31B参数碾压同参数竞品

52. Google Gemma 4发布，手机到工作站全覆盖，开源商用全面放开

53. 谷歌重磅开源Gemma 4！手机离线跑 Agent、还降内存，Qwen被拉进正面对决

54. 无需云服务器！Gemma 4+Ollama本地部署，免费解锁 multimodal

55. 重磅！Apache 2.0完全开源！Gemma 4本地部署教程，手机也能跑！

56. 文字转语音声音克隆神器软件CosyVoice 3.0一键启动整合包，高质量情感语音合成工具 - 哔哩哔哩

57. 比国产AI还卷:谷歌Gemma 4以小博大,端侧模型迎来分水岭

58. GLM-4-Voice：迈向智能且类人端的端到端语音聊天机器人

59. 小参数越级对标！Google Gemma 4性能炸裂，多模态+长上下文，Mac一键本地运行

60. CosyVoice3-0.5b最新版整合包,修复生成电音问题,支持18种方言和9国语言,情绪控制更稳定,断句效果更好

61. 谷歌正式发布 Gemma 4 ：最强开源本地大模型，支持多模态+离线运行

62. Google 放了个大招：Gemma 4 开源了，还换成了 Apache 2.0 许可证

63. 玩转Gemma 4：本地部署落地，零成本高效推理

64. 谷歌又出开源模型，这次的模型怎么样？

65. Google Gemma 4 完全指南：技术规格与手机端部署教程

66. Gemma 4开源！整整一年，谷歌终于想明白了！！！

67. 零成本养虾！谷歌 Gemma 4「本地部署」保姆级教程，三步搞定

68. Gemma4大模型开源！Google针对工作流优化，已是消费级本地部署最优选择

69. Gemma 4来了普通人离真正好用的本地AI又近了一步

Gemma 4与CosyVoice 3.0实现本地语音交互闭环，支持消费级硬件部署

精选参考来源