往常，东谈主类用API调AI。接下来，AI会越来越频繁地替你调用寰宇。

九游会欧洲杯

裁剪：元宇

【新智元导读】语音AI最烦东谈主的一句话，可能终于要被谷歌干掉了。Gemini 3.1 Flash Live 正在贴近「像东谈主与东谈主语言那样反馈」的体验：不仅更快、更天然，连在交通声、电视声这么的真实杂音里，也更能听清你在说什么。

刚刚，谷歌把语音AI最烦东谈主的一句话狠狠干掉了：「请再说一次。」

此次谷歌新发布的 Gemini 3.1 Flash Live，径直对准了推行生涯中最乱、最吵的那些场景。

https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-3-1-flash-live/

更刚劲的是，它不仅仅「听」，它还能看，还能调用器具，还能守住设定范围。

谷歌称，这是在蔓延、可靠性和更天然的对话推崇上的一次跃迁式擢升。

你语言的速率

即是它想考的速率

谷歌官方博客中提到，及时交互里，每一毫秒的蔓延，齐会龙套用户期待的天然对话流。

因此，Gemini 3.1 Flash Live的一个目标，即是把语音Agent鼓吹到「接近对话自己速率的反馈」。

因为推行体验中，语音AI最劝退东谈主的不是答错，而是那种你也曾张嘴说完，它还在后台转圈带来的「断片」感。

谷歌此次校正的标的，不是某一个点，而是语音Agent最容易掉链子的整条及时交互系统：

一边增强对音高、语速、重音和意图的识别才略；一边强化复杂系统指示遵从，让Agent即便在对话斯须转向时，也能守住既定范围、不松弛跑偏。

更要害的是，谷歌还挑升强调了它在真实杂音环境中的任务完成率擢升：

濒临交通声、电视声等配景热闹，模子能更灵验地鉴识灵验语音与环境噪声，在及时对话中更稳妥地触发器具、复返信息。

况兼，比较2.5 Flash Native Audio，新模子在这些方面齐有明确擢升。

AI终于走出实验室

联想在一个嘈杂的咖啡厅：

隔邻两个东谈主正在吵架，你一边盯着来日的航班，一边敌手机说：帮我改签到上昼。

收尾你说3遍，它仍是复兴你3次：「对不起，请再说一次。」

这么的情景是不是很肃穆？

语音AI这些年最大的问题，并不是它「能不成聊天」，而是它能不成在你需要它的时刻和它聊天。

这些需要和它聊天的场景，往往是在地铁站、车上、开着电视的客厅、菜市集这些噪声环境，是以，谷歌此次把「噪声」放到了至极中枢的位置。

新模子显耀擢升了在嘈杂、真实环境中的任务完成率，能更准确地鉴识灵验语音和交通声、电视声等环境杂音。

这些校正，让语音AI粗略更适合真实场景的需要。

野心师、老东谈主、玩家

三个东谈主的AI也曾不相似了

谷歌官方列举了Gemini 3.1 Flash Live在野心、作陪和游戏三个代表性的案例。

野心师

语音第一次酿成创作器具

掀开新闻客户端 擢升3倍通顺度

谷歌官方称，借助Gemini Live API，用户当今不错径直用语音作念创意野心，AI不仅能听，还能看到你的画布和现时选中的界面，然后给出野心点评、生成变体。

小功能背后，野心职责流也在改革。

以前你跟野心器具的关系，是手点。其后是手点+笔墨框。当今开动酿成：你一边看画布，一边启齿，AI一边和谐、一边改。

这意味着野心师不再仅仅「操作软件」，而是在「更始一个及时搭档」。

你无须停驻来把脑子里的嗅觉翻译成一大段prompt，而不错径直说：这个卡片太满了、留白拉开、主按钮再有互动性少许、这个版块偏保守，给我三个更斗胆的……

这恰是语音在创作场景里的的确价值，它将大大镌汰灵感到履行之间的距离。

在Stitch这种场景里，语音也曾不是输入法了，而成了创作引导棒。

老东谈主

作陪终于不是假聊天了

第二个案例，是Hey Ato。

掀开新闻客户端 擢升3倍通顺度

这是一个面向老年东谈主的AI作陪开拓。

谷歌给出的要点是，Ato应用Gemini 3.1 Flash Live的多种语言复旧才略，把泛泛对话酿成的确的联系。

「AI作陪」往常最大的问题不是功能少，而是太假、太模板化，而老年场景，对「及时感」「打断规复」「语言天然度」的条目，远连年青东谈主联想得更高。

对好多老东谈主来说，他们不会有耐烦和才略去调参数，也不会切来切去看屏幕。

Gemini 3.1 Flash Live的多语言、低蔓延和更天然对话，在这么的场景中成了一个初学级的才略。

当AI开拓确切能用父母更肃穆的母语，稳妥地接住泛泛漫谈时，它技艺的确让「东谈主机交互」切入「作陪关系」这一高挑战场景。

玩家

游戏里的NPC终于不像木头东谈主了

第三个场景最有戏剧感。

掀开新闻客户端 擢升3倍通顺度

它来自Weekend团队的RPG游戏Wit’s End。

谷歌官方说，他们把Gemini 3.1 Flash Live的「强扮装塑造才略」和「类东谈主的抒发容颜」聚合起来，给Game Master加上了私有的戏剧立场。

游戏亦然及时语音AI最危机、也最容易炸场的场景，因为玩家对「卡顿」和「出戏」的容忍度极低，这亦然为什么游戏行业会至极敏锐地拥抱这类才略。

他们不需要一个「会复兴问题的模子」，而是需要一个「能演、能接、能控场」的及时扮装。

从Stitch到Ato，再到Wit’s End，谷歌Gemini 3.1 Flash Live其实齐是在印证这么一个变化：

语音+视觉Agent，正在同期渗入进创造、作陪、文娱这三种最贴近个体生涯的场景。

及时AI竞赛的战火

正在烧向App

关于大厂来说，最值得警惕的，往往不是它们某个单点功能有多强，而在于它什么时刻开动酿成基础才略。

Gemini 3.1 Flash Live此次最让竞争敌手感到危机的，也恰是在这里。

自3月26日起，Gemini 3.1 Flash Live已通过Gemini API和Google AI Studio提供，现时为预览版，开发者可通过Live API集成。

官方文档中至极强调了tool use、session management、ephemeral tokens等要害才略，这些齐径直对应及时Agent落地时最中枢的工程问题。

https://ai.google.dev/gemini-api/docs/live-api/get-started-sdk

按照官方文档，Gemini Live API基于有景色WebSocket贯穿，复旧连气儿的音频、图片和文本流输入，并以低蔓延容颜复返语音收尾。

输入侧可禁受16kHz、16-bit PCM音频，输出侧则复返24kHz、16-bit PCM音频。

换句话说，它不是传统那种「说一句、等一次收尾」的调用容颜，而更像一个握续在线的及时交互回路。

文档还明确列出了多语言复旧、用户随时打断、函数调用与Google Search等器具接入、输入输出转写、主动音频适度等才略。

对开发者来说，这些才略组合起来，意味着它也曾不再仅仅一个会语音对话的模子，而是一个可径直接入应用职责流的及时Agent接口。

Google AI for Developers的版块阐扬也说明了模子名为gemini-3.1-flash-live-preview。

由此看，此次更新不再仅仅谷歌自家居品里的一个新功能，而是一个可被复制、可被集成、可被鸿沟化镶嵌的才略层。

不仅如斯，谷歌还在博客中挑升提到了两类相助伙伴才略：WebRTC膨大，以及民众边际路由。

这阐扬谷歌研究的也曾不仅仅模子演示恶果，而是更接近真实分娩部署的条目。

视频流、电话场景、跨区域低蔓延分发，这些齐不是「实验室demo」会提前研究的东西。

此次升级，官方不单开了API，还给了Live API文档、示例，以及GenAI SDK代码进口。

也即是说，下一波及时AI应用的爆发，不一定从大厂里面开动，很可能是从一批当作快的开发者和创业团队开动。

好多东谈主还在把「及时语音助手」和谐成一个落寞居品，但畴昔的确可能发生的，并不是你去下载一个新的AI App，而是你正本每天就在用的App，某天斯须多了一个按钮。

它不错与你及时交互，会看、会听、能作念事，其时九游会欧洲杯统统交互范式可能也曾开动变化。

语音AI的确的敌东谈主

也许不是本领

谷歌官方此次推出的是预览版（preview），即Gemini 3.1 Flash Live当今仍处在预览阶段。

官方文档也曾领导了两种典型接入花式：要么由后端中转，与Live API进行劳动器到劳动器通讯；要么由前端径直建设WebSocket贯穿，但在分娩环境里保举改用临时Token，而不是径直清晰顺次API Key。

天然，这套才略距离「无摩擦落地」还有一段距离。

因为，及时语音Agent并不仅仅模子问题，它还类似了握续贯穿、音视频流传输、景色保握和安全适度等工程料理。

也即是说，Gemini 3.1 Flash Live固然也曾把「及时多模态交互」这层才略掀开了，但要的确把它打磨成稳妥居品，还需要复兴以下推行性的问题：

老本会不会压垮高频使用？永劫对话稳妥性到底何如样？多东谈主环境下的语言权分离能作念到多稳？诡秘、误触发、握续监听的范围何如画……

这些问题科罚，及时语音Agent才有望的确成为「下一代进口」。

但至少此次Gemini 3.1 Flash Live发布让咱们看到：语音AI终于不那么像一个总在掉链子的笨助手了。

往常，东谈主类用API调AI。接下来，AI会越来越频繁地替你调用寰宇。

一朝反馈速率追平东谈主类启齿的节拍，好多今天看起来还不成立的场景，来日就会斯须成立。

比如，它能替你打电话、改签、盯屏幕、陪父母聊天、打游戏……咱们泛泛的耳机、手机、眼镜也可能改革，咱们时时使用的App也可能被从头界说。

其时，咱们与机器相通的民风容颜，可能确切是要改革了。