谷歌在周二“Made by Google”活动上推出Gemini Live，允许用户与最新大模型驱动的AI进行半自然语音对话。TechCrunch实测体验如下。
Gemini Live是谷歌对OpenAI ChatGPT“高级语音模式”的回应。尽管OpenAI率先演示，但谷歌成为首个推出正式版的公司。
实测显示，Gemini Live的低延迟交互比打字或Siri、Alexa更自然，响应时间不到两秒，且能快速应对打断。虽非完美，却是目前最理想的免提手机使用方式之一。
Gemini Live 工作原理
Gemini Live提供10种由专业配音演员打造的声音选项，优于OpenAI的3种选择，听感更具人性化。
在复杂任务测试中，如寻找Mountain View附近带户外区和游乐场的家庭友好酒庄，Gemini Live成功推荐了Saratoga的Cooper-Garrod Vineyards，表现优于传统搜索。
但该功能仍存在信息“幻觉”问题。例如，它错误声称酒庄附近有“Henry Elementary School Playground”，而实际最近的小学需两小时以上车程。
关于打断功能，理论上用户可随时插话，AI会迅速调整；但实测中偶有双方同时说话导致识别失败的情况。
为避免版权风险，Gemini Live不支持唱歌或模仿指定声音外的音色。此外，谷歌暂未聚焦情感语调理解，这与OpenAI的侧重点不同。
总体而言，Gemini Live提供了比传统搜索更深入自然的探索方式。作为全模态模型“Project Astra”的发展步骤，当前仅支持语音，未来将加入实时视频理解功能。