谷歌 Gemini 更新：支持音频文件、搜索新增五语种、NotebookLM 可生成多样化报告

谷歌近日对其 AI 产品线进行三项重要升级，进一步拓展 Gemini 应用、搜索 AI 模式 与 NotebookLM 的能力边界。此次更新涵盖多模态支持、语言扩展与内容生成形式创新，显著提升用户在研究、学习与跨语言交互中的体验。

Gemini 应用正式支持音频文件上传

这是自 Gemini 推出以来，用户呼声最高的功能之一。谷歌实验室与 Gemini 副总裁 Josh Woodward 在社交媒体确认，Gemini 现已支持音频文件输入。

支持场景：

• 上传会议录音、讲座、播客或语音笔记；
• 让 Gemini 自动转录并总结内容；
• 提问关于音频内容的问题（如“这段会议中提到了哪些待办事项？”）。

文件限制：

支持常见音频格式（MP3、WAV、M4A 等），并可解析 ZIP 压缩包中的媒体文件。

📌 Note：NotebookLM 早已支持音频分析，定位为研究工具；此次更新将该能力引入主 Gemini 应用，意味着更广泛的用户可访问。

Gemini 搜索 AI 模式新增五种语言

借助 Gemini 2.5 与搜索的深度整合，谷歌搜索的 AI 模式（AI Mode）现已支持五种新语言：

• 印地语（Hindi）
• 印尼语（Indonesian）
• 日语（Japanese）
• 韩语（Korean）
• 巴西葡萄牙语（Portuguese - Brazil）

这意味着使用这些语言的用户现在可以：

• 以母语提出复杂问题；
• 获得基于网络深度分析的回答；
• 在不切换语言的情况下进行深入探索。

谷歌表示，此次扩展旨在“让更多人以首选语言参与 AI 驱动的信息获取”。

NotebookLM 支持多种语气与风格的报告生成

作为面向研究与学习的 AI 工具，NotebookLM 此次获得重要功能增强：支持自定义报告的语气、结构与风格。

✅ 新增能力：

• 多样化输出格式：
  • 学习指南
  • 简讯文档
  • 博客文章
  • 闪卡
  • 测验（含解释功能）
• 风格控制：用户可指定报告语气，如“正式”、“通俗”、“批判性”或“教育向”；
• 结构自定义：调整章节划分、重点强调方式；
• 多语言支持：可在超过 80 种语言中生成报告。

示例：上传一篇科研论文后，你可以要求生成一份“面向高中生的通俗版博客文章”，或一份“用于复习的闪卡集”。

该功能已于近期推送，谷歌确认“将在本周末实现 100% 可用”。

近期 Gemini 生态持续更新

过去一个月，谷歌在 AI 功能上密集迭代：

这些更新表明，谷歌正加速将生成式 AI 深度融入其核心产品矩阵。