重磅！谷歌发布Gemini Live，对标ChatGPT实时语音功能！-CSDN博客

本文链接：https://blog.csdn.net/weixin_40774379/article/details/141205102

大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“外挂”，专注于分享AI全维度知识，包括但不限于AI科普，AI工具测评，AI效率提升，AI行业洞察。关注我，AI之路不迷路，2024我们一起变强。

在无数人的期待中，OpenAI曾高调发布的ChatGPT实时语音功能一拖再拖，几个月过去了，该功能还在alpha内测阶段，仅有少部分人能体验到。

而就在8月13日谷歌召开的Pixel 9系列手机发布会上，谷歌发布了其AI语音助手Gemini Live。很明显，Gemini Live对标的是OpenAI ChatGPT的实时语音功能。作为Google推出的最先进AI功能，集成了生成式AI技术的Gemini Live能够在智能手机上与用户进行多轮、自然的语音对话。其特点包括实时打断和互动能力、免提操作、多任务处理、多种自然语音选择，以及与Android系统的深度整合，使其能够根据上下文提供个性化、即时的帮助。

Gemini Live核心功能

与传统的Google Assistant不同，Gemini Live不仅能处理基本的语音指令，还能够进行多轮、自然的对话。用户可以像与真人交流一样，与Gemini Live进行对话——打断、提问、甚至纠正它的回答都变得更加直观自然。

这一功能得益于Google的增强型语音引擎，该引擎旨在提供更为一致、情感丰富、且极为逼真的对话体验。通过这一技术，Gemini Live不仅能快速响应用户的问题，还能在对话过程中实时适应用户的语音模式和习惯。

多轮对话的灵活性
Gemini Live的多轮对话能力是其一大亮点。在与用户的互动中，它能够记住前面的对话内容，并在必要时引用这些信息。这种能力让对话变得更加连贯和自然，仿佛你在与一个真正的助手交流。例如，用户可以在询问工作面试建议时，连续提出多个相关问题，Gemini Live会根据对话的上下文逐步给出建议，而不仅仅是一次性的回答。
实时打断与互动
在与Gemini Live对话时，用户可以随时打断，提出新的问题或修改原有问题。这种实时互动的方式，使得使用体验更加贴近真实的面对面交流。用户不再需要等待系统处理完所有指令再作出反馈，这极大提升了效率和用户体验。

免提操作与多任务处理
Gemini Live支持免提操作，用户可以在手机锁屏或后台运行的情况下继续与助手对话。这意味着你可以一边处理其他任务，一边与Gemini Live保持互动，无论是在开车途中还是做家务时，这项功能都显得尤为便利。此外，用户还可以随时暂停对话，并在稍后恢复，这为长时间的对话提供了更多灵活性。
多种自然语音选择
为了让用户获得最佳的听觉体验，Google为Gemini Live引入了10种全新的自然语音供用户选择。无论你喜欢温柔的女声还是沉稳的男声，Gemini Live都能根据你的喜好进行个性化设置。这种多样性不仅增强了用户的沉浸感，也让每个用户都能找到适合自己的语音风格。

Gemini Live功能限制

尽管Gemini Live在谷歌的宣传中展现了强大的功能和不错的用户体验，但目前仍有一些功能尚未开放。例如，Google曾在其I/O大会上展示了Gemini模型的多模态输入能力——通过摄像头识别周围环境并给出反馈的功能，但这一功能还未正式上线。此外，当前Gemini Live仅支持英语，但Google承诺将在未来几个月内扩展至更多语言，并推出iOS版本。

与OpenAI的高级语音模式类似，Gemini Live并非免费。它仅对订阅了Google One高级计划的用户开放，该计划的月费为20美元。不过，相较于OpenAI、Claude等其他AI付费服务，Gemini One的整体性价比还是相当可观的。