一句话看懂：Google 今日发布 Gemini 3.5 Live 语音模型，重点解决对话中被打断时反应混乱的痛点，并新增实时图像理解与多语言混说能力。这是 Gemini Live 语音助手体验的一次关键升级。
事件核心：发生了什么
Google 正式推出 Gemini Live 的新一代语音模型 Gemini 3.5 Live，以替代现款 Gemini 3.1 Live。据 TechRadar 报道，新模型针对 AI 语音对话中最常见的“打断”场景做了专门优化——当用户中途插话时，模型能够保持上下文连贯，不再像旧版那样出现语音重置或语言误判等问题。
除打断处理外，Gemini 3.5 Live 还新增了三项能力：实时处理摄像头或屏幕画面、在对话中即时混合多种语言、以及在对话过程中联动后台工具。目前 Gemini Live 尚不能主动调用其他应用工具，因此这一升级被视为其功能边界的实质性扩展。
与语音模型同步发布的还有两个开发者模型：Gemini 3.5 Live Experimental 和 Gemini 3.5 Transcribe，二者已可通过 Gemini API 在 Google AI Studio 与 Gemini Enterprise Agent Platform 中使用。
为什么重要
语音交互是 AI 从“打字工具”走向“日常助理”的关键入口，而“打断处理”一直是 AI 语音对话体验中最难跨越的坎之一。此前用户一旦在 Gemini Live 说话中途插话，模型很容易丢失上下文，甚至重置到默认语音，这种体验直接拉低了用户对 AI 语音助手的信任度。Gemini 3.5 Live 若能真正解决这一技术难题，将在对话流畅度上拉开与同类产品的差距。
同时，新模型带来的多语言无缝切换和实时视觉理解能力，意味着语音助手不再局限于“一问一答”的封闭场景，而是向“边看边说”“边说边做”的多模态实时助手演进。对 Google 而言，这是其 Gemini 模型矩阵在端侧与云侧协同上的一次重要补位，也直接回应了 ChatGPT 高级语音模式带来的竞争压力。
对用户/开发者/创作者的影响
普通用户：使用 Android 端 Gemini Live 时，对话被插话打断后不再容易“卡壳”或切换语言，对话自然度明显提升。此外，Gemini 3.5 Transcribe 已率先落地到 Android 的 Gboard 输入法——Rambler 功能可将口语转换为格式规整的文字，自动去除“嗯”“啊”等口头语，并支持用语音直接修改错字或调整行文风格。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
Mac 用户：新版 Gemini 应用（macOS 版）将自然语音输入与屏幕内容感知结合，用户可以通过语音指令调用其他 Gemini 模型在后台完成本地文件摘要、跨应用文本改写、按光标位置生成图像等任务。
开发者：可通过 Gemini API 接入 Live Experimental 和 Transcribe 两个新模型，构建更 robust 的语音交互应用，特别是在需要实时转写、多语言对话或打断处理的场景中。
Chrome 用户（即将到来）：Google 计划将“说话即打字”能力引入 Chrome 浏览器，用户在网页任意文本框（回复邮件、写社交媒体帖、输入 Gemini 提示词）中均可直接口述输入。
值得关注的后续
1. 大规模推送时间：Google 今日仅宣布模型发布，尚未给出面向所有用户的开放时间表。TechRadar 预计将在未来数天内逐步铺开，实际到达速度值得追踪。
2. 打断处理的真实表现：新模型在官方描述中解决了“多数打断场景”，但不同口音、语速和噪音环境下效果仍有待实测。TechRadar 编辑已表示将在获得新模型后发布上手测试，届时的独立评测是重要参考。
3. Chrome 语音输入的功能边界：“说话即打字”进入浏览器后，是否会扩展为完整的语音代理（如跨页面操作），还是仅停留在文本输入增强层面，将影响其对创作者与办公人群的实际价值。
来源：TechRadar
