Google DeepMind 推出 Gemini 3.1 Flash Live,提升語音 AI 的自然度與可靠性
Gemini 3.1 Flash Live: Making audio AI more natural and reliable
Google DeepMind 推出 Gemini 3.1 Flash Live,提升即時語音對話的精準度並降低延遲。它在 ComplexFuncBench Audio 得分 90.8%,在 Scale AI 的 Audio MultiChallenge 開啟 thinking 時得分 36.1%。
原文以兩項語音基準呈現多步函數調用與複雜指令跟隨表現,並列出開發者、企業及一般用户的使用入口,可對照其能力與部署場景。
2026 年三月 26 日
|
我們最新的語音模型提升了精準度並降低延遲,令語音互動更流暢、自然和準確。
Valeria Wu
產品經理
Yifan Ding
Gemini 團隊軟件工程師
收聽文章
[[duration]] 分鐘
此內容由 Google AI 生成。生成式 AI 仍屬實驗性技術。
今天,我們透過 Gemini 3.1 Flash Live 推進 Gemini 的即時對話能力。這是我們迄今質素最高的音訊和語音模型,具備新一代語音優先 AI 所需的速度和自然節奏,為開發者、企業和日常使用者帶來更直觀的體驗。
3.1 Flash Live 已在以下 Google 產品中提供:
- 開發者可透過 Gemini Live API 試用預覽版,並在 Google AI Studio 使用。
- 企業可在 Gemini Enterprise for Customer Experience 使用。
- 所有人均可透過 Search Live 和 Gemini Live 使用。
為開發者而設:穩健推理與任務執行
我們提升了 3.1 Flash Live 的整體質素,讓開發者和企業更可靠地建立語音優先智能體,並大規模完成複雜任務。在 ComplexFuncBench Audio 基準測試中,模型以 90.8% 的得分領先;該測試評估在多項限制下進行多步驟函式呼叫的能力,成績亦勝過我們上一代模型。
在 Scale AI 的 Audio MultiChallenge 中,啟用「thinking」後,Gemini 3.1 Flash Live 以 36.1% 得分領先。這項基準測試專門評估複雜指令遵循和長期推理能力,並模擬真實音訊中常見的打斷和猶豫情況。
3.1 Flash Live 亦提升了音調理解能力,帶來更自然的對話。在 Gemini Enterprise for Customer Experience 中,它比 2.5 Flash Native Audio 更能辨識音高和語速等聲學細節,也更善於因應使用者流露的挫折或困惑,動態調整回應。
Verizon、LiveKit 和 The Home Depot 等公司對工作流程中使用 3.1 Flash Live 給予正面回饋,並指出對話變得更自然、表現更好。
為所有人而設:更自然、更直觀的互動
在 Gemini Live 和 Search Live 中,3.1 Flash Live 模型能提供更有幫助、更自然的回應,無論你是提出簡單的日常問題,還是進行較複雜的對話。
Gemini Live 以 3.1 Flash Live 為核心,相較上一代模型回應更快,亦能把握對話脈絡的時間延長一倍,讓你在較長的腦力激盪中保持思路連貫。
3.1 Flash Live 令 Gemini Live 更快、更有幫助
3.1 Flash Live 亦原生支援多種語言,促成了本週 Search Live 全球擴展。隨着這次推出,超過 200 個國家和地區的使用者現可使用偏好的語言,與 Search 進行即時多模態對話。
在 Search Live 使用 3.1 Flash Live,即時取得疑難排解協助
試用 Gemini 3.1 Flash Live
3.1 Flash Live 生成的所有音訊均加入 SynthID 浮水印。這種難以察覺的浮水印直接融入音訊輸出,讓 AI 生成內容可被可靠識別,有助防止錯誤資訊。關於我們對安全和責任的做法,請參閲模型卡。
立即體驗 3.1 Flash Live 自然可靠的表現。我們期待看到你如何與它互動並運用它進行開發。
訂閲 Google 電子通訊,掌握最新消息
訂閲我們的電子通訊,接收產品更新、活動資訊、特別優惠等消息。
你的資料將按照 Google 私隱權政策使用。你可隨時選擇退出。
來源:Google DeepMind · deepmind.google