谷歌终于把语音AI的”延迟感”给干掉了。
3月27日，Google正式推出Gemini 3.1 Flash Live，这是一款专为实时对话优化的语音模型。它最吸引人的地方不是参数有多大，而是响应速度和多语言能力的质变——支持90种以上语言，覆盖200多个国家和地区，用户可以用最熟悉的母语跟AI进行自然流畅的实时对话。
这款模型的核心亮点在于”听得懂人话”。它能精准识别音高、语速、语气停顿等声学细节，动态感知用户情绪（比如你是不是有点沮丧或困惑），然后调整回应方式。在ComplexFuncBench Audio基准测试中，它以90.8%的准确率领先，擅长处理多步骤函数调用；在真实音频环境评测中也排名第一。所有生成音频都嵌入了SynthID隐形水印，可追溯AI生成内容。开发者可通过Google AI Studio接入API，普通用户也能在Gemini Live应用中直接体验。
当语音AI能做到真正的”零延迟”对话，你觉得打电话找客服还有必要吗？
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...