Gemma 4 12B是最新的多模态智能模型，专为笔记本电脑设计，具备强大的推理能力和音频输入。它采用无编码架构，减少延迟和内存使用，支持在16GB内存的设备上本地运行。该模型已获得150百万次下载，开发者可利用其功能构建各种应用。

少数派与飞傲联合举办了「BEATBOX CD 机盖板设计大赛」，鼓励用户参与设计。获奖作品包括复古盖板等。BEATBOX 机身支持可更换盖板，兼容多种音频输入，具备蓝牙和FM功能，预售将于2026年5月21日开启，限量发售。

OpenAI发布了GPT-4o模型，可接受任意组合的文本、音频和图像输入，并生成相应的输出。GPT-4o在音频输入的响应时间上表现出色，与人类响应时间相似。它在英语文本和代码上的性能与GPT-4 Turbo相当，而在非英语文本上性能显著提高。GPT-4o在视觉和音频理解方面表现出色。GPT-4o API比GPT-4 Turbo快两倍，价格降低了50%。ChatGPT有了新的UI和桌面应用程序。GPT-4o对所有用户免费开放。

该研究提出了一种新方法，利用音频输入生成高质量的3D说话人头部动画，具有一致性、可靠性和不需要手动注释等优点。同时，利用面部传动部位上的控制点描述语音相关的运动。