久久大香蕉草,,久久福利影片,国产毛片在线不卡

Google 帶來(lái)最新 Gemini 音頻模型：更強(qiáng)大的語(yǔ)音交互體驗(yàn)

2025-12-16 18:18

Google 正在將 Gemini 模型的能力融入多條產(chǎn)品線(xiàn)中。

上周，Google 宣布已將最先進(jìn)的 Gemini 翻譯功能引入 Google 翻譯。

剛剛，Google 發(fā)布了適用于實(shí)時(shí)語(yǔ)音代理的 Gemini 2.5 Flash Native Audio 更新版本。此次更新提升了模型處理復(fù)雜工作流程、理解用戶(hù)指令以及進(jìn)行自然對(duì)話(huà)的能力。

就在前不久，Google 分別對(duì) Gemini 2.5 Pro 和 Flash Text-to-Speech 型號(hào)進(jìn)行了升級(jí)，從而提高了對(duì)音頻生成的控制能力。

Gemini 2.5 Flash 首次將原生音頻的自然體驗(yàn)帶入 Search Live，用戶(hù)可在 Search Live 中獲得實(shí)時(shí)幫助，或構(gòu)建新一代企業(yè)級(jí)客戶(hù)服務(wù)代理。

除了為智能客服提供支持外，Google 還推出了實(shí)時(shí)語(yǔ)音翻譯功能，這項(xiàng)功能支持耳機(jī)上的實(shí)時(shí)語(yǔ)音翻譯，并能保留說(shuō)話(huà)者的語(yǔ)調(diào)、語(yǔ)速和音高。

在線(xiàn)語(yǔ)音客服

Google 從三個(gè)關(guān)鍵方面改進(jìn)了 Gemini 2.5 原生音頻：

更精準(zhǔn)的函數(shù)調(diào)用：提升了模型在觸發(fā)外部函數(shù)時(shí)的可靠性。模型能夠更準(zhǔn)確地識(shí)別對(duì)話(huà)過(guò)程中何時(shí)需要獲取實(shí)時(shí)信息，并將這些數(shù)據(jù)無(wú)縫地融入音頻響應(yīng)中，而不會(huì)中斷對(duì)話(huà)流程。在 ComplexFuncBench Audio 測(cè)試中，Gemini 2.5 Native Audio 以 71.5% 的得分領(lǐng)先。
指令執(zhí)行能力更強(qiáng)：該模型現(xiàn)在能夠更好地處理復(fù)雜指令，從而顯著提升用戶(hù)對(duì)內(nèi)容完整性的滿(mǎn)意度。其對(duì)開(kāi)發(fā)者指令的遵循率高達(dá) 90%，輸出結(jié)果也更加可靠。
更流暢的對(duì)話(huà)：多輪對(duì)話(huà)質(zhì)量方面取得了顯著提升。Gemini 2.5 Flash Native Audio 能夠更有效地從之前的對(duì)話(huà)輪次中獲取上下文信息，從而創(chuàng)建更連貫的對(duì)話(huà)。

Newo.ai 聯(lián)合創(chuàng)始人 David Yang 評(píng)價(jià)道，“通過(guò) Vertex AI 與 Gemini 2.5 Flash Native Audio 模型協(xié)同工作，Newo.ai 的 AI 接待員能夠?qū)崿F(xiàn)無(wú)與倫比的對(duì)話(huà)智能……即使在嘈雜的環(huán)境中，它們也能識(shí)別主要說(shuō)話(huà)者，在對(duì)話(huà)過(guò)程中切換語(yǔ)言，并且聽(tīng)起來(lái)非常自然，富有情感表現(xiàn)力�！�

實(shí)時(shí)語(yǔ)音翻譯

除語(yǔ)音客服的功能外，Gemini 還支持全新的實(shí)時(shí)語(yǔ)音翻譯功能，旨在處理連續(xù)聆聽(tīng)和雙向?qū)υ?huà)。通過(guò)持續(xù)聆聽(tīng)，Gemini 可以自動(dòng)將多種語(yǔ)言的語(yǔ)音翻譯成單一目標(biāo)語(yǔ)言。

對(duì)于雙向?qū)υ?huà)，Gemini 的實(shí)時(shí)語(yǔ)音翻譯功能可實(shí)時(shí)處理兩種語(yǔ)言之間的翻譯，并根據(jù)說(shuō)話(huà)者自動(dòng)切換輸出語(yǔ)言。例如，如果說(shuō)英語(yǔ)的用戶(hù)想與一位說(shuō)印地語(yǔ)的人聊天，他會(huì)在耳機(jī)中實(shí)時(shí)聽(tīng)到英語(yǔ)翻譯，并使用手機(jī)自動(dòng)翻譯播報(bào)印地語(yǔ)。

Gemini 的實(shí)時(shí)語(yǔ)音翻譯具有許多在現(xiàn)實(shí)世界中非常有用的關(guān)鍵功能：

語(yǔ)言覆蓋范圍：結(jié)合 Gemini 模型的全球知識(shí)庫(kù)和多語(yǔ)言功能及其原生音頻功能，可翻譯 70 多種語(yǔ)言和 2000 多個(gè)語(yǔ)言對(duì)的語(yǔ)音。
風(fēng)格遷移：捕捉人類(lèi)語(yǔ)言的細(xì)微差別，保留說(shuō)話(huà)者的語(yǔ)調(diào)、語(yǔ)速和音高，使翻譯聽(tīng)起來(lái)自然流暢。
多語(yǔ)言輸入：可在一次會(huì)話(huà)中同時(shí)理解多種語(yǔ)言，幫助用戶(hù)輕松跟上多語(yǔ)言對(duì)話(huà)，而無(wú)需調(diào)整語(yǔ)言設(shè)置。
自動(dòng)檢測(cè)：識(shí)別說(shuō)話(huà)的語(yǔ)言并開(kāi)始翻譯，不需要知道正在說(shuō)的是什么語(yǔ)言即可開(kāi)始翻譯。
降噪性能：過(guò)濾環(huán)境噪音，即使在嘈雜的戶(hù)外環(huán)境中也能舒適地交談。