Gemini Live
谷歌推出的实时AI对话产品，支持摄像头实时视觉理解、图像生成和第三方服务联动，面向全球用户免费开放
核心事实
时间轴 (近 90 天)
Chain of Thought 第 47 期节目中，Google DeepMind AI 开发者关系负责人 Paige Bailey 展示了斯坦福开源的 Pupper 机器人用树莓派和 Gemini API 完成视觉，Gemini Live 支持文本转语音和握手、跟随等机器人动作。
在演示中，Gemini Live 通过函数调用触发 Lyria 3 音乐生成模型，按用户指定的风格现场作曲，并生成了完整歌词和旋律。
ExamReady 的口语练习功能基于 Gemini Live 实现实时对话伙伴，每个口语任务大约花费十美分
在绘制骑自行车鹈鹕SVG的测试中，标准原生音频模型结果粗糙，切换到max高阶推理模型后生成的SVG包含头盔、围巾和细节丰富的自行车结构
后台推理机制将耗时的推理计算从实时音频流中剥离，让模型的语音响应层与推理计算层并行运行
本次更新首次在 Gemini Live 中开放高级推理（high reasoning）与后台推理能力
谷歌AI Studio推出Gemini Live版本，支持多达97种语言切换和实时视觉理解，其Extended Thinking能力可边说边推理并调用工具完成任务
初始化 Live 模型时需要传入模型名称、语音角色配置、响应模态以及要使用的工具集
全部知识事实 (9)
Gemini Live支持实时语音对话、摄像头实时识别和屏幕共享协作三个多模态交互功能
65%待验证Gemini Live的实时交互依赖流式推理技术，配合谷歌自研的TPU芯片集群实现毫秒级延迟
75%待验证后台推理机制将耗时的推理计算从实时音频流中剥离，让模型的语音响应层与推理计算层并行运行
60%待验证ExamReady 的口语练习功能基于 Gemini Live 实现实时对话伙伴，每个口语任务大约花费十美分
50%待验证在绘制骑自行车鹈鹕SVG的测试中，标准原生音频模型结果粗糙，切换到max高阶推理模型后生成的SVG包含头盔、围巾和细节丰富的自行车结构
50%待验证初始化 Live 模型时需要传入模型名称、语音角色配置、响应模态以及要使用的工具集
50%待验证Chain of Thought 第 47 期节目中，Google DeepMind AI 开发者关系负责人 Paige Bailey 展示了斯坦福开源的 Pupper 机器人用树莓派和 Gemini API 完成视觉，Gemini Live 支持文本转语音和握手、跟随等机器人动作。
50%待验证本次更新首次在 Gemini Live 中开放高级推理（high reasoning）与后台推理能力
60%待验证谷歌AI Studio推出Gemini Live版本，支持多达97种语言切换和实时视觉理解，其Extended Thinking能力可边说边推理并调用工具完成任务
50%