模型Gemini Live
Gemini 3.1 Flash Live
Google DeepMind推出的原生音频大模型，支持实时语音对话、多语言理解和生成，无需ASR/TTS级联，以低延迟和保留副语言信息为特点。
时间轴 (近 90 天)
10月18日
Gemini 3.1 Flash Live 在预览阶段支持约90种语言。
待验证50%
10月18日
原生音频模型（如Gemini 3.1 Flash Live）直接在音频token空间上进行理解与生成，省去中间转写，能保留说话人情绪与语速特征，并使延迟显著下降。
待验证50%