我们发布了Gemini 2.5 Flash和Pro文本转语音模型的重大升级，提升了表达能力、语速控制和多说话者对话的自然性，适用于有声书和电子学习等场景。开发者可在Google AI Studio中使用这些新模型。

本文介绍了physical intelligence公司推出的实时动作分块技术，旨在提升视觉-语言-动作模型（VLA）的实时控制能力。该技术通过异步机制和修复方法，解决了模型推理延迟和动作不连贯的问题，使机器人能够更精确地执行复杂任务。

网络安全研究人员发现更新版LightSpy间谍软件，能够从社交媒体提取数据，并感染Windows和苹果系统。其功能包括收集Wi-Fi信息、截图和位置信息，支持多平台操作。新指令增强了监控能力。此外，针对印度用户的恶意软件SpyLend伪装成金融应用，实施贷款诈骗。

本文提出了Diffusion as Shader（DaS）方法，旨在解决视频生成中的精确控制问题，提升生成视频的时间一致性和控制能力，适用于多种任务。

本文介绍了一系列新方法，如LucidDreaming、MIG和Direct3D，旨在提高3D生成的控制能力和质量。这些技术解决了几何不一致性和属性泄漏问题，提升了生成结果的视觉质量和一致性，为用户提供了更大的创作自由度，推动了3D内容创作的进步。

本文提出了一种基于条件扩散模型的统一框架，用于图像到图像的转换。通过四个具有挑战性的任务的测试，证明了该框架在上色、修复、裁剪和JPEG恢复方面的优越性。研究还揭示了L2和L1损失对扩散目标的影响，以及自我关注在神经结构中的重要性。提出了一个基于ImageNet的统一评估协议，用于推进图像到图像翻译研究。展示了通用的多任务扩散模型的执行效果与任务特定的专家模型相当或更好。

本文介绍了将去噪扩散模型应用于图像融合领域的方法，通过设计两种不同的条件注入模块来生成融合图像。实验结果表明该方法具有最先进的结果和良好的泛化性能，可激发其他工作的灵感并深入了解该领域。