Gemini Live是Google推出的高级语音对话功能，目前处于有限Alpha测试阶段。该功能在“Made by Google 2024”活动上正式宣布，对标OpenAI ChatGPT的高级语音模式。
Gemini Live允许用户在智能手机上与Gemini进行深度语音交互。得益于增强的语音引擎，它能提供更一致、更具情感表现力且真实的多人轮次对话。用户可在Gemini说话时随时打断提问，系统也会实时适应用户的语速与说话模式。
Google官方博客描述称：“通过Gemini Live（经由Gemini应用），你可以与Gemini交谈，并从10种自然声音中选择回应音色。你可以按自己的节奏说话，或在回应中途插入澄清性问题。”
Gemini Live支持免提使用。即便在后台运行或手机锁屏状态下，对话仍可继续，并支持随时暂停与恢复。
在实际应用场景方面，Google以面试模拟为例：Gemini Live可协助用户练习演讲技巧，并建议如何在面试官面前突出关键技能。
相比ChatGPT高级语音模式，Gemini Live具备更强的记忆能力。其底层模型Gemini 1.5 Pro和1.5 Flash拥有更长的上下文窗口，理论上能处理长达数小时的对话数据后再生成回复。可能在长对话记忆方面优于竞品。
一位Google发言人表示：“Live使用的是经调整以增强对话性的Gemini Advanced模型。当用户进行长对话时，会充分利用该模型的大上下文窗口优势。”
当然，实际效果仍需验证。若参考OpenAI高级语音模式曾遭遇的挫折，演示效果往往难以无缝转化为现实体验。
值得注意的是，Gemini Live尚未上线Google I/O大会展示的多模态输入功能。此前预录视频曾演示其通过摄像头识别环境（如自行车零件或代码解释）的能力。
Google表示多模态输入将于“今年晚些时候”推出，但未透露具体细节。同期，Gemini Live还将扩展至更多语言及iOS平台；目前仅支持英语。
与ChatGPT高级语音模式类似，Gemini Live并非免费功能。它仅限Gemini Advanced用户使用，需订阅Google One AI Premium Plan，月费20美元。
不过，其他即将推出的Gemini新功能均为免费。
Android用户很快（未来几周内）可通过长按电源键或唤醒词“Hey Google”，在任何应用中唤起Gemini叠加层询问屏幕内容（如YouTube视频）。Gemini可直接从叠加层生成图像（暂不支持人物），并拖放插入Gmail、Google Messages等应用。
Gemini还将新增对Google服务（官方称“扩展程序”）的集成，覆盖移动端与网页端。未来几周，它将能与Google Calendar、Keep、Tasks、YouTube Music及Utilities（控制计时器、闹钟、媒体、手电筒、音量、Wi-Fi、蓝牙等设备功能的应用）执行更多操作。
Google在博客中列举了部分应用场景：
- 让Gemini“制作一个让我想起90年代末的歌曲播放列表”。
- 拍摄音乐会传单照片，询问当天行程并设置购票提醒。
- 从Gmail中提取食谱，并将食材自动添加至Keep购物清单。
此外，从本周晚些时候起，Gemini将正式登陆安卓平板设备。