三花快讯 · 2025, 6月4日
谷歌 Gemini 2.5 情感化多语言语音对话及生成
支持情境感知的高级思维对话框架
谷歌的Gemini 2.5 带来了音频交互能力升级，包括 Gemini 2.5 Flash Exp Native Audio Thinking Dialog 和 Gemini 2.5 Flash Exp Native Audio Thinking Dialog 两款模型。
该系列模型支持包括自然对话、风格控制、工具集成、情境感知、多语言支持、情感对话、高级思维对话以及可控文本转语音等特性。
NotebookLM 的 Audio Overviews 和 Project Astra 就是用的这个模型驱动的，详细介绍可以看官方博客。佬们也可以在 AI Studio 中直接使用
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。