谷歌推出Gemini Live革新互动：AI驱动语音交流，模拟面试实战与个性化演讲建议

8月14日消息，谷歌在今日的Pixel 9系列新品发布会上，隆重推出了Gemini Live服务，该服务即日起将首先向使用英语环境的Gemini Advanced订阅用户开放，标志着谷歌在个性化与实时互动体验上迈出了新的一步。

推动自然、流畅的对话交流

谷歌表示 Gemini Live 提供了一种移动对话体验，让用户和 Gemini 展开自由流畅的对话。

Gemini Live 可以说是对标 OpenAI ChatGPT 最新上线的 Advanced Voice 模式（限量 Alpha 测试），采用了增强型语音引擎，可以展开更连贯、更有情感表达力、更逼真的多轮对话。

谷歌表示用户可以在聊天机器人说话时打断它，提出后续问题，聊天机器人会实时适应用户的说话模式。

翻译谷歌博文部分内容如下：

通过 Gemini Live [使用 Gemini 应用程序]，用户可以与 Gemini 对话，并从 [10 种新的] 自然声音中选择它可以回应的声音。

用户甚至可以按照自己的节奏说话，或在回答中途打断并提出澄清性问题，就像在人类对话中一样。

谷歌演示 Gemini Live 的一个场景，模拟用户和招聘经理（或人工智能，视情况而定）交谈，为用户提供演讲技巧推荐、提供优化建议。

谷歌发言人表示：

Live 使用的是我们的 Gemini Advanced 模型，我们对其进行了调整，使其更具对话性。当用户与 Live 进行长时间对话时，就会使用该模型的大型上下文窗口。

不支持多模态输入

Gemini Live 还不具备谷歌在 I / O 大会上展示的功能之一：多模态输入。

谷歌今年 5 月发布了一段预先录制的视频，展示了 Gemini Live 通过手机摄像头捕捉的照片和录像看到用户周围的环境并做出反应，例如说出一辆坏掉的自行车上的零件名称，或者解释电脑屏幕上的部分代码是做什么用的。

谷歌表示，多模态输入将在“今年晚些时候”推出，但拒绝透露具体细节。

扩 展 阅 读

安卓16升级隐私保护：锁屏自动隐藏验证码等敏感信息

谷歌（Google） 11小时前