为语音龙虾打样！谷歌最强音频模型来了，动嘴就能做App。
智东西3月27消息，昨日凌晨，谷歌正式推出其最高质量的音频和语音模型——实时语音模型Gemini 3.1 Flash Live，并在Gemini App、Search Live以及Google AI Studio中同步开放。
这一版本的核心在实时语音Agent能力升级：语音已可直接驱动应用开发（vibe coding），Gemini App的实时多模态对话能力同步增强，在多项评测中超过GPT-Realtime-1.5、Qwen3 Omni 30B A3B Instruct、GPT-4o Audio preview等模型。
模型一出，就被外网网友称作Siri”救星”。就在昨日，外媒曝2026苹果WWDC将主打AI并将推新版Siri，苹果已获谷歌完整Gemini模型直连权限，将通过蒸馏自研轻量化端侧AI部署iPhone。
从公开测试结果来看，这一版本在语音Agent关键能力上提升显著。在ComplexFuncBench audio测试中，Gemini 3.1 Flash Live的函数调用准确率达到90.8%。
本文来自微信公众号”智东西”（ID：zhidxcom），作者：江宇，编辑：冰倩，36氪经授权发布。
