猫眼电影记者 倪贵宾 报道首次登录送91元红包

新智元报道

编辑：YHluck

【新智元导读】谷歌发布Gemini 2.5 Flash原生音频模型，不仅能保留语调进行实时语音翻译，更让AI在复杂指令和连续对话中像真人一样自然流畅。这一更新标志着AI从简单的「文本转语音」跨越到了真正的「拟人化交互」时代。

想象这样一个场景：

你戴着耳机走在印度孟买喧闹的街头，周围是嘈杂的叫卖声和完全听不懂的印地语。

此时，一位当地大叔急匆匆地用印地语向你询问路线，他的语速很快，语气焦急。

若是以前，你可能得手忙脚乱地掏出手机，打开翻译App，按下按钮，尴尬地把手机递到他嘴边，然后听着手机里传出毫无感情的「机翻」电子音。

Nano Banana Pro制图

但现在，一切都变了。

你站在原地不动，耳机里直接传来了流利的中文：「嘿！朋友，麻烦问一下，火车站是不是往这边走？」

最绝的是，这句中文不仅意思准确，甚至连大叔那种焦急、气喘吁吁的语调都完美复刻了！

你用中文回答，耳机自动把你的声音转化成印地语传给对方，甚至保留了你热情的语调。

这不仅是科幻电影里的《巴别塔》重现，这是谷歌本周刚刚扔下的重磅「核弹」——Gemini 2.5 Flash Native Audio（原生音频模型）。

今天，我们就来扒一扒这次更新到底有多强。

所谓的「原生音频」，到底强在哪？

很多人可能会问：「现在的手机不都有朗读功能吗？这有啥稀奇的？」

这里有个巨大的误区。

以前的AI语音交互，流程是这样的：听到声音 -> 转成文字 -> AI思考文字 -> 生成文字回复 ->转化成语音读出来。

这个过程不仅慢，而且在「转来转去」的过程中，语气、停顿、情感这些人类沟通中最微妙的东西，全都丢了。

而谷歌这次发布的Gemini 2.5 Flash Native Audio，核心就在「Native（原生）」这两个字。

它不需要把声音转成文字再转回来，它是直接听、直接想、直接说。

举个栗子，这就好比你和一个老外聊天，以前你需要脑子里疯狂查字典，现在你已经形成了「语感」，脱口而出。

这次更新，谷歌不仅升级了Gemini 2.5 Pro和Flash的文本转语音模型，带来了更强的控制力。

更重要的是，它让实时语音代理（Live Voice Agents）成真了。

这意味着什么？

意味着在Google AI Studio、Vertex AI，甚至是搜索（Search Live）里，你不再是和一个冷冰冰的机器对话，而是在和一个有「脑子」、有「耳朵」的智能体进行实时头脑风暴。

耳机里的「同声传译」

打破语言的巴别塔

这次更新中，最让普通用户感到兴奋的，绝对是实时语音翻译（Live Speech Translation）功能。

谷歌这次没有画饼，功能已经开始在美国、墨西哥和印度的安卓设备上，通过Google翻译App进行Beta测试了（iOS用户稍安勿躁，马上就来）。

这个功能有两个杀手锏，直击痛点：

持续监听与双向对话：真正的「无感」翻译

以前用翻译软件，最烦的就是要不停地点「说话」按钮。

现在，Gemini支持持续监听。

你可以把手机揣兜里，戴上耳机，Gemini会自动把你周围听到的多种语言，实时翻译成你的母语。

这就相当于随身带了个隐形翻译官。

而在双向对话模式下，它更聪明。

比如你会说英语，想和一个说印地语的人聊天。

Gemini能自动识别是谁在说话。

你在耳机里听到的是英语，而当你开口说完话，手机会自动外放印地语给对方听。

你不需要去设置「现在我说」、「现在他说」，系统全自动切换。

风格迁移：连「情绪」都能翻译

这是最让我起鸡皮疙瘩的功能——Style Transfer（风格迁移）。

传统的翻译是「莫得感情」的朗读机器。

但Gemini利用其原生音频能力，能捕捉人类语言的细微差别。

如果对方说话时语调上扬、节奏轻快，翻译出来的声音也会是欢快的；

如果对方语气低沉、犹豫，翻译出来的声音也会带着迟疑。

它保留了说话者的语调、节奏和音高。

这不仅仅是听懂意思，这是听懂态度。

在商务谈判或者吵架的时候，这个功能简直太重要了！

此外，它还支持：

70多种语言和2000多个语言对：覆盖了全球绝大多数人的母语。

多语言混输：即使在一场对话中混杂着几种不同的语言，它也能同时理解，不用你手动切来切去。

噪声鲁棒性：专门针对嘈杂环境优化，过滤背景音。哪怕你在嘈杂的户外市场，也能听得清清楚楚。

开发者狂喜

这个AI终于「听懂人话」了

如果你是开发者，或者想为企业构建客服AI，这次Gemini 2.5 Flash Native Audio带来的三个底层能力提升，绝对是「及时雨」。

函数调用更精准

以前的语音助手，一旦涉及到查天气、查航班这种需要调用外部数据的操作，很容易卡壳或者回答得很生硬。

现在的Gemini 2.5，知道何时该去获取实时信息，并且能把查到的数据无缝地编织进语音回复里，不会打断对话的流畅感。

在专门测试复杂多步骤函数调用的ComplexFuncBench Audio评测中，Gemini 2.5拿下了71.5%的高分，遥遥领先。

更新后的 Gemini 2.5 Flash Native Audio 在 ComplexFuncBench 上与之前版本及行业竞争对手的性能对比

这意味着，它能真正充当一个靠谱的「办事员」，而不是一个只会陪聊的「傻白甜」。

指令遵循更听话

你是不是经常觉得AI听不懂复杂的指令？

谷歌这次下了狠功夫。

新模型对开发者指令的遵循率从84%提升到了90%！

这意味着，如果你要求AI「用这种特定的格式回答，语气要严厉一点，不要废话」，它能更精准地执行你的要求。

对于构建企业级服务来说，这种可靠性才是核心竞争力。

对话更丝滑

多轮对话是AI的老大难问题。

聊着聊着，AI就忘了前面说过啥。

Gemini 2.5在检索上下文方面取得了显著进步。

它能更有效地记住之前的对话内容，让整个交流过程不仅连贯，而且具有逻辑性。

配合上原生音频的低延迟，你会感觉对面真的像坐了一个人。

我们离「贾维斯」还有多远？

谷歌这次的更新，其实是在传递一个明确的信号：

语音交互正在成为下一个时代的入口。

从Gemini Live到Search Live，再到耳机里的实时翻译，谷歌正在把AI从屏幕里解放出来，塞进我们的耳朵里。

对于普通用户：语言的障碍正在被技术铲平。

明年（2026年），这一功能将通过Gemini API扩展到更多产品中。

未来，也许我们真的不再需要花费数年时间痛苦地背单词，一个耳机就能让我们走遍天下。

对于企业：构建一个能听、能说、能办事、有情绪的下一代AI客服，门槛正在大幅降低。

除了原生音频模型外，谷歌还丢出个核弹级实验产品——Disco。

它是来自Google Labs的新发现工具，用于测试未来网络的想法。

它内置了基于谷歌最强模型Gemini 3打造的神器GenTabs。

谷歌直言，目前还处于早期阶段，并非所有功能都能完美运行。

最牛的地方在于，它能看懂你的需求。

GenTabs通过主动理解复杂任务（通过用户打开的标签页和聊天记录）并创建交互式网络应用程序来帮助完成任务，从而帮助浏览网络。

不用写一行代码，它直接把你乱七八糟的标签页和聊天记录，「变」成一个专属的交互式App。

想做周餐计划？想教孩子认识行星？

跟它说人话就行，它自动给你生成工具，所有数据都有据可查，绝不瞎编。

目前macOS版已经开放排队了，虽然还是早期实验版，但这绝对是把「浏览」变成了「创造」。

赶紧冲，这波未来感拉满了！

One More Thing

技术进步的速度往往超乎我们的想象。

昨天我们还在嘲笑Siri听不懂人话，今天Gemini已经开始帮我们进行跨语言的情感交流了。

别光看着，Gemini 2.5 Flash Native Audio现在已经在Vertex AI上全面推出，Google AI Studio里也能试用了。

赶紧去体验一下吧！

或许在听到AI用你的语气说出第一句外语时，你会真切地感受到——未来已来。

参考资料：

https://deepmind.google/blog/

https://x.com/GoogleAI/status/1999560839679082507?s=20

https://blog.google/technology/google-labs/gentabs-gemini-3/

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！

  时事1：OD注册彩金

  12月28日,杨雨光随身带快板的原因：是这副板让我站上舞台,作为活动主办方代表，联合国工业发展组织投资和技术促进办公室[中国·北京]（英文简写： ITPO BEIJING）主任武雅斌在现场致辞时表示，当前汽车作为全球价值链中最具代表性的产业，正处于动力变革、功能变革和生产方式变革三大变革的交汇点。面对这一产业格局重塑的大机遇和大挑战，中国自主品牌和国际汽车领军企业间的对话与合作，对世界汽车产业的健康与可持续发展至关重要。,kb体育app官网。

  12月28日,路上“抢”出来的祸端 警惕抢行加塞导致交通事故,“停止那些琐碎的胡扯。她只是在跟朋友打个招呼。那些觉得这个有问题的人才有问题。”,牛宝体育官网,腾龙平台官网,普京网络场赌。

  时事2：尊龙怎么注册

  12月28日,“耳听为虚” AI拟声骗局已让多名老人上当受骗,世界经济论坛大中华区主席陈黎明表示，相比5年前，世界发生了深刻变化，一方面，气候变化、地缘冲突、贸易摩擦等引发了一系列风险及影响；另一方面，人工智能、生物技术、量子计算、能源转型等获得了快速发展。在此背景下，人类应当如何更好地合作，共同面对这个多种变革交织的时代，是当今世界至关重要的话题。,银河娱乐公司是国家,世界杯 网上投注,金沙客户端下载娱乐。

  12月28日,2025“丝路心相通”中柬友好交流活动在金边举行,8日，韩国外交部官员表示，韩日近期将举行司局级磋商，就赴日考察团相关事宜进行协调。,金沙澳门手机版,黄家体育软件app下载,皇马国际游戏。

  时事3：m88体育平台

  12月28日,外交部发言人就外交部亚洲事务特使将再次赴柬埔寨、泰国穿梭调停答记者问,除此之外，平台仍缺乏完善的应急预案与风控策略。此次黑灰产攻击明显为有组织、技术化的行为，攻击者操控大量僵尸账号在同一时段开播，但面对这种非常规攻击，快手显然缺乏成熟的应对方案，处置初期既无快速定位批量违规账号的技术手段，也无分级管控、精准限流的应急流程，导致工作人员只能封禁单个账号，难以遏制违规内容的大规模扩散。,金莎娱乐场app下载,天博app下载方法,澳门皇冠四虎在线视频。

  12月28日,牧区行走33年的“马背医生”,2024年，国家网络安全通报中心通报称，快手存在对法律、行政法规禁止发布或传输的信息处置不及时、青少年模式落实不到位等问题，导致违法信息扩散，危害未成年人身心健康，违反了《网络安全法》相关规定。公安机关随即依法对快手作出行政处罚，责令其全面落实青少年模式，全面排查清理违法信息，并依法依规处置违法违规账号。,万博官网登录入口页,ag注册网站,真人娱乐开户。

  时事4：历届欧洲杯比赛用球

  12月28日,希腊南部海域一移民船失控致18人死亡,路透社最新报道称，耶伦8日对记者表示，加强与中国在经济领域上的沟通交流非常重要。“我仍然希望能够访问中国，与经济领域的同行会面。但我没有任何具体的时间告诉你，我确实认为这取决于国务院和国防部（的决定），”她说。,宝博开户,开元棋盘app官方版3359,Bet九州入口。

  12月28日,浙江杭州首个复用型无人机起降点启用 低空配送网络升级,值得一提的是，有趣的是，J/54218似乎直到发射两个月后才被添加到Space-Track.org的数据库中。在2022年8月4日发射后，与可重复使用试验航天器相关的其他8个物体（从A到H）被美国政府标记。根据美国军方和北美防空司令部的说法，物体A是太空飞行器本身，物体B是火箭助推器，物体C到物体H是发射后的碎片。,ope电竞网址,九州体育bet9,银河注册下注。