The Keyword
·
改进的Gemini音频模型，实现强大的语音交互
💡
原文英文，约900词，阅读约需4分钟。
📝
内容提要
谷歌本周发布了Gemini 2.5 Flash Native Audio，提升了语音代理的对话能力，支持复杂工作流程和自然对话，并推出实时语音翻译功能，支持70多种语言，增强全球沟通。用户反馈积极，广泛应用于多个行业。
🎯
关键要点
- 谷歌发布了Gemini 2.5 Flash Native Audio，提升了语音代理的对话能力。
- 该更新支持复杂工作流程和自然对话，适用于多个谷歌产品。
- Gemini 2.5 Flash Native Audio引入了实时语音翻译功能，支持70多种语言。
- 更新后的模型在功能调用、指令遵循和对话流畅性方面有显著提升。
- 用户反馈积极，Gemini的原生音频能力在多个行业中得到应用。
- 实时语音翻译支持连续听和双向对话，能够自动识别语言并进行翻译。
- 新功能在Google Translate应用中以测试版形式推出，支持安卓设备。
- 用户可以通过Gemini 2.5 Flash Native Audio构建语音代理，现已在Vertex AI上普遍可用。
❓
延伸问答
Gemini 2.5 Flash Native Audio有哪些主要改进？
Gemini 2.5 Flash Native Audio在处理复杂工作流程、指令遵循和对话流畅性方面有显著提升。
Gemini 2.5 Flash Native Audio支持哪些语言的实时翻译？
该模型支持超过70种语言的实时语音翻译。
用户对Gemini 2.5 Flash Native Audio的反馈如何？
用户反馈积极，认为该模型在多个行业中得到了广泛应用，提升了对话体验。
如何使用Gemini 2.5 Flash Native Audio构建语音代理？
用户可以通过Vertex AI构建语音代理，Gemini 2.5 Flash Native Audio现已普遍可用。
Gemini的实时语音翻译功能有什么特点？
实时语音翻译支持连续听和双向对话，能够自动识别语言并进行翻译。
Gemini 2.5 Flash Native Audio在多轮对话中表现如何？
该模型在多轮对话质量上有显著提升，能够更有效地从之前的对话中检索上下文。
➡️
