Google 已利用 Gemini 2.5 Flash Native Audio 模型升级 Search Live，显著提升搜索内语音交互体验。此次更新不仅使语音回复更加自然流畅，还将原生音频能力扩展至实时翻译及语音代理场景，旨在将语音打造为核心交互界面，支持用户针对物理世界提问及跨语言即时沟通。
新版语音功能将于本周在美国逐步上线。优化后的语音回复更具表现力，甚至能根据教学内容自动调整语速，以提供更自然的听觉体验。
“当您通过 Search 进入 Live 模式时，可在 AI 模式下进行双向语音对话，获取实时帮助并快速定位相关网站。得益于最新的原生音频 Gemini 模型，Search Live 的回复比以往更加流畅且富有感染力。”
Gemini 原生音频生态全面升级
此次 Search Live 的升级是 Gemini 2.5 Flash Native Audio 在 Google 生态系统（含 Gemini App、AI Studio 及 Vertex AI）广泛部署的一部分。该模型具备实时处理语音音频并生成口语化回应的能力，有效降低了自然对话门槛，减少实时交互摩擦。
尽管官方未明确披露技术细节，但此次更新被视为对 10 月发布的“语音检索（S2R）”技术的延续。S2R 是基于神经网络并在海量配对音频数据集上训练的机器学习模型。这一系列举措表明，Google 正将原生音频确立为消费级产品的核心能力，使用户能以更自然的方式探索物理世界信息。
语音系统可靠性显著增强
针对开发者与企业用户，Gemini 2.5 Flash Native Audio 在构建基于语音的系统时表现出更高的可靠性。新模型在对话中触发外部功能的一致性更强，能够准确遵循复杂指令，并在多轮交互中保持上下文连贯。
这些改进解决了以往语音代理因误解指令或对话流中断而影响可用性的痛点，使其在实际工作流中的应用更加稳定可靠。
支持沉浸式实时语音翻译
除搜索与语音代理外，本次更新还新增了原生“实时语音到语音翻译”功能。Gemini 既可对环境音进行持续目标语言翻译，也能以双向模式处理不同语言使用者间的对话。系统保留了原声的语速与强调等特征，确保翻译效果流畅且具有对话感。
该功能集成了广泛的语言覆盖、自动语种检测、多语言输入处理及环境噪音过滤等技术。这不仅减少了设置步骤，还支持被动式实时翻译，无需手动干预即可实现类似真人译员的沟通体验。
迈向科幻级语音交互愿景
此次迭代体现了 Google 持续优化语音搜索的战略方向，即逐步实现受《星际迷航》启发的理想人机语音互动模式。随着 Gemini 音频模型的不断进化，Search Live 正为用户提供更强大、更具表现力的实时语音交互能力，推动语音搜索进入新时代。