Gemini3.1FlashLive：谷歌推出的迄今为止最具自然感的AI语音模型

谷歌推出了Gemini 3.1 Flash Live，这是其目前最优秀的语音与音频AI模型。它能为开发者带来更迅速的响应速度、更自然的对话体验以及可灵活配置的思维层级。谷歌表示，该模型在音调与情绪检测方面表现更为出色，在嘈杂环境下也更为可靠。目前，这款模型已在Gemini应用中支持直播模式。

根据Artificial Analysis的数据，该模型在Big Bench Audio基准测试中，“高”思维模式下评分达95.9%，仅次于Step-Audio R1.1 Realtime（97.0%），响应时间为2.98秒；而在“最低”状态下，质量评分降至70.5%，响应时间则缩短至0.96秒。

该模型借助 Gemini Live API、Google AI Studio、Gemini Live 以及 Search Live 这几个渠道，在全球200多个国家和地区提供服务。它的定价和 Gemini 2.5 前代产品保持一致，音频输入每小时0.35美元，音频输出每小时1.40美元，这让它跻身最便宜的音频AI模型行列。而性能略好一些的Step Audio型号，虽然输入成本更低，但输出成本相对更高。