谷歌发布Gemini 3.1 Flash Live模型 声音更拟人化并引入AI水印
谷歌于2026年3月26日推出其最新生成式AI模型Gemini 3.1 Flash Live，旨在提升实时语音对话的自然度和流畅性。该模型在Scale AI的Audio MultiChallenge测试中得分为36.1%，虽低于非对话型音频模型（通常超过50%），但其在处理语音输入中的停顿、中断和自然语调方面表现优于现有实时对话模型。
为应对潜在的滥用风险，谷歌为Gemini 3.1 Flash Live的语音输出添加了SynthID水印。该水印对人类听觉不可感知，但可通过技术手段检测，以防止AI语音被伪装成真人语音使用。谷歌称此举旨在增强透明度与责任性。
该模型已向开发者开放，可通过AI Studio、Gemini API以及Gemini Enterprise for Customer Experience平台接入。Gemini Enterprise for Customer Experience主要用于构建智能客服和自动化购物代理。新模型将率先集成于Gemini Live和Search Live（AI Mode功能之一），自发布日起逐步上线。
谷歌已与Home Depot、Verizon等企业合作测试该模型，相关企业反馈其在模拟人类语音方面效果显着。未来用户在电话客服或语音交互场景中，可能难以分辨对话对象是否为AI助手。
编辑点评
Gemini 3.1 Flash Live的发布标志着AI语音技术向高度拟人化迈进，其在实时对话中的表现提升了用户体验，但也加剧了‘深度伪造’风险。虽然SynthID水印具备检测功能，但普通用户难以察觉，技术滥用仍存在空间。此举凸显科技公司在推动AI创新与防范伦理风险之间的平衡挑战。
从全球科技竞争角度看，谷歌此举是对OpenAI、Anthropic等竞争对手在语音交互领域的直接回应，进一步巩固其在生成式AI生态中的领导地位。随着该模型在客服、零售等场景的落地，企业可能加速AI替代人工进程，影响就业结构。
长期来看，此类技术将重塑人机交互范式，推动语音接口成为主流交互方式。同时，国际社会对AI内容标识、透明度和监管框架的需求将日益迫切。各国可能加快制定相关法规，以应对潜在社会信任危机。