7.0
热点
AI SCORE
模型发布2026-03-26 23:23
Gemini 3.1 Flash 新增音频模型，延迟更低
Google DeepMind#Gemini#音频模型#Google
Editor brief · 编辑速览
Google 发布改进的音频语音模型，精度和延迟均有显著提升，实时交互更自然。对使用 Google 语音 API 的开发者有直接应用价值。
我们最新的语音模型进一步提升了准确性并降低了延迟，让语音交互更加流畅、自然、精准。
Gemini 团队软件工程师
你的浏览器不支持音频元素。
Gemini 3.1 Flash Live 是 Google 迄今质量最高的音频模型，专为自然、可靠的实时对话而设计。开发者可以通过 Google AI Studio 中的 Gemini Live API 使用该模型，企业则可以将其用于客户体验场景。所有用户都可以通过 Search Live 和 Gemini Live 体验它，目前服务范围已覆盖 200 多个国家和地区。
“Gemini 3.1 Flash Live”正式发布，让 AI 音频听起来更加自然、可靠。
这款新音频模型速度更快，也更善于理解语气，从而实现自然的对话体验。
开发者可以使用它构建语音 Agent，更可靠地处理复杂任务。
Gemini Live 和 Search Live 现在可以使用多种语言提供更有帮助的回答。
3.1 Flash Live 生成的所有音频都会添加水印，以帮助遏制错误信息传播。
今天，我们推出 Gemini 3.1 Flash Live，进一步提升 Gemini 的实时对话能力。这是我们迄今质量最高的音频和语音模型。它具备下一代语音优先 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加直观的体验。
3.1 Flash Live 已在多款 Google 产品中上线：
面向开发者：通过 Google AI Studio 中的 Gemini Live API 提供预览版
面向企业：通过 Gemini Enterprise for Customer Experience 提供
面向所有用户：通过 Search Live 和 Gemini Live 提供
我们提升了 3.1 Flash Live 的整体质量，使开发者和企业能够更可靠地构建可大规模完成复杂任务的语音优先 Agent。在 ComplexFuncBench Audio 这一衡量多种约束下多步骤函数调用能力的 benchmark 中，它以 90.8% 的得分领先于我们的上一代模型。
在 Scale AI 的 Audio MultiChallenge 中，开启“thinking”后，Gemini 3.1 Flash Live 以 36.1% 的得分位居领先。该 benchmark 专门测试模型在面对真实音频中常见的打断和犹豫时，遵循复杂指令以及进行长程推理的能力。
3.1 Flash Live 对语气的理解也有所提升，能够实现更加自然的对话。在 Gemini Enterprise for Customer Experience 中，相比 2.5 Flash Native Audio，它能更有效地识别音高、语速等声音细节，也更善于根据用户表现出的沮丧或困惑，动态调整回答。
3.1 Flash Live 让你能够构建适用于语音场景的 Agent，在嘈杂环境中处理复杂任务。
使用 Gemini 3.1 Pro 构建的演示示例，由 Gemini 3.1 Flash Live 提供支持。
3.1 Flash Live 让你可以通过语音进行 vibe coding，并快速迭代。
使用 Gemini 3.1 Pro 构建的演示示例，由 Gemini 3.1 Flash Live 提供支持。
Verizon、LiveKit 和 The Home Depot 等公司在工作流中使用 3.1 Flash Live 后给出了积极反馈，尤其肯定了它更自然、更出色的对话体验。
在 Gemini Live 和 Search Live 中，无论你是询问简单的日常问题，还是进行更复杂的对话，3.1 Flash Live 模型都能提供更有帮助、更自然的回答。
在 3.1 Flash Live 模型的支持下，Gemini Live 的响应速度比上一代模型更快，持续跟进对话脉络的时间也延长了一倍，让你在进行更长时间的头脑风暴时，仍能保持思路连贯。
3.1 Flash Live 让 Gemini Live 更快、更有帮助。
3.1 Flash Live 天生具备多语言能力，也因此推动了 Search Live 本周在全球范围内进一步扩展。此次发布后，来自 200 多个国家和地区的用户，现在都可以使用自己偏好的语言与 Search 进行实时、多模态对话。
通过 Search Live 中的 3.1 Flash Live 获得实时故障排查帮助。
3.1 Flash Live 生成的所有音频都会通过 SynthID 添加水印。这种无法被人耳感知的水印会直接交织在音频输出之中，从而可靠地检测 AI 生成的内容，帮助防止错误信息传播。有关我们的安全与责任实践的更多信息，请参阅模型卡。
从今天开始，亲自体验 3.1 Flash Live 的自然与可靠。我们期待看到你如何与它互动，以及如何使用它进行构建。