Gemini Live升级：视觉指导+多应用联动，打造更自然的AI助手体验

谷歌持续推进“通用AI助手”愿景，对Gemini Live进行三大核心升级：新增摄像头实时视觉指导、深度整合更多Google应用、优化音频交互体验，让助手不仅能“听”和“说”，还能“看见并联动”，进一步贴近日常使用场景。该功能兼容性与可用性因地区而异，需18岁以上用户使用。

一、视觉指导：分享摄像头，Gemini直接“指”出答案

以往Gemini Live仅能通过语音交互，此次升级后，当用户分享摄像头时，Gemini会在屏幕上实时高亮物体，用视觉提示辅助解决问题，让“看见即指导”成为可能。

1. 核心使用场景

• 决策辅助：面对选择时，Gemini可直观标注最优选项。例如在两双运动鞋间犹豫，将摄像头对准鞋子，它会高亮匹配你设想服装风格的那双；
• 物品定位：寻找特定物品时，无需反复描述。比如对着工具箱提问“哪个是十字螺丝刀”，Gemini会在屏幕上圈出对应工具；
• 场景化指导：后续还可扩展至更复杂场景，如烹饪时高亮需要处理的食材、维修时标注需操作的零件（功能逐步迭代中）。

2. 设备覆盖节奏

• 首发可用：8月28日Pixel 10系列上市后，该功能将立即支持；
• 逐步扩展：上市当周起向其他Android设备推送，未来几周内覆盖iOS设备。

二、多应用联动：在对话中直接调用Google生态工具

Gemini Live不再是“孤立的对话助手”，而是打通了Google Calendar、Keep、Tasks等高频应用，让“聊需求→办事情”在同一流程内完成，无需切换APP。

1. 已上线的核心联动能力

2. 即将上线的联动功能

• Messages + Phone：对话中可直接触发通讯操作。例如头脑风暴完妈妈的生日礼物后，说“给爸爸打电话，我要让他去拿”，Gemini会直接调用Phone应用拨号；
• Google Maps：导航场景中灵活调整。比如讨论地铁路线时发现可能迟到，打断对话说“给Alex发消息，说我晚10分钟”，Gemini会起草消息，同时不中断当前导航流程。

三、音频体验优化：让对话更有“人情味”

为打破AI语音的“机械感”，谷歌将推出音频模型更新，通过优化语调、节奏、音高，让Gemini Live的交互更贴近人类自然交流，甚至支持个性化调整。

1. 三大核心升级点

• 场景化语调适配：根据对话内容调整语气。例如讨论压力大的话题（如“项目 deadline 临近”），会用更平静、稳重的声音回应；聊轻松话题时，语调会更明快；
• 语速与风格控制：用户可主动定义语音风格。比如记笔记时说“说得慢一点”，赶时间时说“加快语速”，甚至可以要求“用英式口音讲”来活跃气氛；
• 角色化表达：支持沉浸式内容输出。例如让Gemini“以尤利乌斯·凯撒的视角讲罗马帝国故事”，它会用符合角色设定的口音和语气叙述，提升内容吸引力。

2. 上线时间

新音频模型将于未来几周内逐步推送，用户无需额外操作，更新后即可体验。