在今天举行的 Pixel 9 系列手机发布会上，谷歌正式推出了Gemini Live 服务——这项功能将从今天开始，率先面向使用英语的 Gemini Advanced 订阅用户开放。

它的核心卖点，是让用户与 AI 之间的对话变得更自然、更流畅。说得直白点，Gemini Live 就是对标 OpenAI 最新上线的 ChatGPT Advanced Voice 模式（目前还在限量 Alpha 测试）。谷歌为它搭载了增强型语音引擎，能够支撑起更连贯、更有情感表现力、也更逼真的多轮对话。

谷歌在博文中描述了几个关键体验：用户可以在 Gemini Live 说话时随时打断它，追问细节或提出新问题，而聊天机器人会实时适应你的说话节奏。翻译一下谷歌官方的说法：

• 通过 Gemini Live（在 Gemini 应用中），用户可以与 Gemini 对话，并从 10 种新的自然声音中选择它回应的音色。
• 用户完全可以按照自己的步调说话，甚至在回答中途打断并请求澄清——就像真人之间的聊天一样。

发布会上还演示了一个很接地气的场景：模拟用户正在与招聘经理（或者说是 AI 扮演的面试官）对话，Gemini Live 现场为用户提供演讲技巧和优化建议。谷歌发言人解释，Live 使用的是 Gemini Advanced 模型，专门针对对话场景做了调整。当用户进行长时间对话时，模型会启用大型上下文窗口来保持连贯性。

不支持多模态输入

需要注意的一点是：Gemini Live 目前还不具备谷歌在 I/O 大会上展示的那项重磅功能——多模态输入。当时谷歌放出了一段精心制作的视频，展示 Gemini Live 通过手机摄像头看到周围环境，然后做出实时反应：比如指着坏掉的自行车说出零件名称，或者解释电脑屏幕上某段代码的作用。

对于这个功能缺口，谷歌的回应是：多模态输入将在“今年晚些时候”推出，但具体时间表并未透露。换句话说，这次上线的版本更像是纯语音对话能力的先行版，而真正能“看懂”世界的 Gemini，还要再等等。