谷歌发布 Gemini 3.1 Flash，赋能实时音频AI

谷歌发布先进的实时音频模型

谷歌宣布推出 Gemini 3.1 Flash Live，这是一款全新的音频和语音 AI 模型。它旨在帮助开发者创建具有更高准确性和显著更低延迟的实时对话应用程序。该模型目前已通过 Google AI Studio 中的 Gemini Live API 提供预览。

模型性能和主要功能

该模型表现出强大的性能，在 ComplexFuncBench 音频基准测试中得分 90.8%。主要功能包括增强对音调细微差别的理解，例如音高和语速。这使得模型能够根据用户的表达（如沮丧或困惑）动态调整其响应，从而实现更自然的对话。

行业采用和安全措施

包括 Verizon 和 The Home Depot 在内的公司对该模型的集成给予了积极反馈。对于消费者而言，Gemini Live 现已支持 Search Live 扩展到 200 多个国家/地区。为了打击虚假信息，模型生成的所有音频都包含 SynthID 水印，这是一种不可察觉的标记，有助于识别 AI 生成的内容。

对话式 AI 的前景

Gemini 3.1 Flash Live 的推出巩固了谷歌在竞争激烈的 AI 市场中的地位。其被主要企业采用并扩展到全球消费产品，标志着实时对话式 AI 技术取得了重大进展，同时注重性能和负责任的部署。

常见问题

问： Gemini 3.1 Flash Live 是什么？
答： 它是谷歌推出的一款新型 AI 音频模型，专为实时对话设计，为开发者和企业提供低延迟和高准确性。

问： 谷歌如何解决该模型可能存在的 AI 滥用问题？
答： 该模型在所有生成的音频中嵌入了 SynthID 水印，这是一种不可察觉的信号，有助于检测 AI 创建的内容。

来源: Investing.com