谷歌本周宣布对其原生音频模型 Gemini 2.5 Flash Native Audio 进行重大更新，旨在将 AI 交互从简单的“文本转语音”转变为真正类人实时的交流。数字化转型网www.szhzxw.cn
此次更新的核心在于其“原生”处理能力。与传统人工智能需要先将语音转换为文本后处理不同，该模型能直接感知音调、情绪和声音暂停，使对话更加自然流畅。
谷歌数据显示，新版本对开发者指令的合规率已从84%提升到90%，在处理多步工作流程时显示出更高的准确性。在音频基准测试ComplexFuncBench中，其功能调用准确率达到71.5%，超过OpenAI gpt-realtime（66.5%），显示出在现场语音代理领域的强劲竞争。
目前，这项技术已完全集成到Google AI Studio、Vertex AI、Gemini Live和Search Live中。开发者现在可以通过 Gemini API 体验这一升级模型，利用其更强的一致性和多回合对话记忆功能，构建更可靠、更具情感感知的 AI 助手。数字化转型网www.szhzxw.cn
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
