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，让语音交互更流畅、自然、精准。

Valeria Wu

产品经理

Yifan Ding

软件工程师，代表 Gemini 团队

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 推进 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。它带来了下一代语音优先 AI 所需的响应速度和自然节奏，为开发者、企业和普通用户提供更直观的体验。

3.1 Flash Live 已在 Google 产品中全面上线：

• 面向开发者，预览版可通过 Gemini Live API 在 Google AI Studio 中使用
• 面向企业，可在 Gemini Enterprise for Customer Experience 中使用
• 面向所有人，可通过 Search Live 和 Gemini Live 使用

面向开发者：强大的推理与任务执行能力

我们提升了 3.1 Flash Live 的整体质量，让开发者和企业能够更可靠地大规模构建可完成复杂任务的语音优先智能体。在 ComplexFuncBench Audio 这一衡量带多种约束的多步骤函数调用的基准测试中，它以 90.8% 的得分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”功能的情况下以 36.1% 的得分领先。该基准测试专门考察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，也更能根据用户表达的沮丧或困惑动态调整回应。

Verizon、LiveKit 和 The Home Depot 等公司已对 3.1 Flash Live 在其工作流程中的表现给予积极反馈，特别称赞了其更自然流畅的对话能力。

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，无论是日常的快速提问还是更复杂的对话。

在 3.1 Flash Live 模型的驱动下，Gemini Live 相比前代模型响应更快，并且能跟踪你的对话线索长达两倍的时间，在更长时间的头脑风暴中保持思路连贯。

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，这成就了本周 Search Live 的全球扩展。通过此次发布，200 多个国家和地区的用户现在可以用自己偏好的语言与搜索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 生成的所有音频均带有 SynthID 水印。这种不可感知的水印直接交织在音频输出中，可可靠检测 AI 生成内容，帮助防止虚假信息。如需了解我们在安全与责任方面的更多做法，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互动、与之构建。

在收件箱中获取 Google 的最新资讯

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。

你的信息将按照 Google 隐私权政策 使用。你可以随时退出。