Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型

2026年3月26日

|

我们最新的语音模型提升了精度并降低了延迟，让语音交互更加流畅、自然和精准。

Valeria Wu

产品经理

Yifan Ding

软件工程师，代表 Gemini 团队

收听文章

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 仍处于实验阶段

今天，我们通过 Gemini 3.1 Flash Live 进一步提升了 Gemini 的实时对话能力，这是我们迄今为止质量最高的音频和语音模型。它提供了下一代语音优先 AI 所需的速度和自然节奏，为开发者、企业和普通用户带来更直观的体验。

3.1 Flash Live 已在 Google 各产品中上线：

• 面向开发者，通过 Gemini Live API 在 Google AI Studio 中提供预览版
• 面向企业，通过 Gemini Enterprise for Customer Experience 提供
• 面向所有人，通过 Search Live 和 Gemini Live 提供

面向开发者：强大的推理和任务执行能力

我们提升了 3.1 Flash Live 的整体质量，使其对开发者和企业而言更加可靠，能够大规模构建可完成复杂任务的语音优先智能体。在 ComplexFuncBench Audio 这一涵盖多种约束条件下多步骤函数调用的基准测试中，它取得了 90.8% 的分数，领先于我们之前的模型。

在 Scale AI 的 Audio MultiChallenge 上，Gemini 3.1 Flash Live 在开启“思考”模式时以 36.1% 的分数领先。该基准测试专门检验在真实音频中常见的打断和犹豫情境下的复杂指令遵循和长程推理能力。

3.1 Flash Live 还提升了语调理解能力，带来更自然的对话。在 Gemini Enterprise for Customer Experience 中，它比 2.5 Flash Native Audio 更能有效识别音高和语速等声学细微差别。它也更擅长根据用户表达的沮丧或困惑动态调整回应。

Verizon、LiveKit 和 The Home Depot 等公司在工作流程中对 3.1 Flash Live 给予了积极反馈，特别强调了其更出色、更自然的对话能力。

面向所有人：更自然、更直观的交互

在 Gemini Live 和 Search Live 中，3.1 Flash Live 模型能提供更有帮助、更自然的回应，无论你是提出日常的快速问题，还是进行更复杂的对话。

在 3.1 Flash Live 模型的支持下，Gemini Live 相比前代模型响应更快，并且能够将你的对话脉络延续两倍之久，在更长时间的头脑风暴中保持你的思路连贯。

3.1 Flash Live 让 Gemini Live 更快、更有帮助

3.1 Flash Live 还天生支持多语言，这促成了本周 Search Live 的全球扩展。通过此次发布，200 多个国家和地区的人们现在可以用自己偏好的语言与 Search 进行实时多模态对话。

使用 Search Live 中的 3.1 Flash Live 获取实时故障排查帮助

试用 Gemini 3.1 Flash Live

3.1 Flash Live 生成的所有音频都带有 SynthID 水印。这种不可感知的水印直接交织在音频输出中，能够可靠地检测 AI 生成的内容，帮助防止错误信息传播。有关我们安全与责任方法的更多信息，请参阅模型卡。

从今天起，体验 3.1 Flash Live 的自然与可靠。我们期待看到你如何与之交互并基于它进行构建。

在您的收件箱中获取 Google 的最新动态

订阅我们的新闻通讯，获取产品更新、活动信息、特别优惠等更多内容。

您的信息将按照 Google 隐私政策 使用。您可以随时选择退出。