ARTICLE · 1025842
谷歌让AI边聊边干活:语音助手最烦人的等待,要变了
谷歌让AI边聊边干活:语音助手最烦人的等待,要变了你和AI说话时，最扫兴的瞬间，往往是它突然安静了。 北京时间9月16日，谷歌发布Gemini 3.8 Live及其Extended Thinking版本。新变化很具体：AI可以继续和你交谈，同时在后台推理、调用工具、推进任务。语音助手开始尝试接走对话中间那段等待。官方发布[1] 但“嘴上一直有回应”和“事情确实办好了”，仍然是两回事。看懂这次更新，要把耳朵听到的流畅，与最后拿到的结果分开。 
Google官方发布图，两个新实时语音型号在同一公告中亮相。图片来源[2] 这次有两个版本。3.8 Live侧重对话效率和成本；Extended Thinking侧重更复杂的推理。它们追求的共同体验，是交谈过程中还能接着做事。 谷歌展示了几个很生活化的方向：AI看着棋局与人互动，结合屏幕内容回答新员工的问题；另一个演示则把手绘草图和口头修改要求，变成网页组件。这些是官方演示，不是本文亲测，更不能视为任何人都能稳定复现的保证。 过去遇到复杂要求，用户常常得先把话说完整，再等一个结果。若中途想起来“预算再低一点”“刚才那个条件不算”，就要重新解释。新一代实时语音模型想缩短的，正是这种沟通断点。 比如安排聚餐，你可能先说人数，接着补一个时间限制，又临时改变地点。这是用来理解能力的假设场景：好助手需要保留已确认的条件、接住新条件，还要说明哪些安排仍在查询。仅仅回答一句“好的”，远远不够。 因此，最有价值的变化不是声音更像人，而是你能在事情进行到一半时，继续参与和纠正。 
Google棋局互动演示第10秒静帧。实际画面是屏幕棋局；用于展示交互场景，不代表本文实测。演示出处[3] 谷歌的开发者公告把关键能力称为“异步函数调用”。用普通话解释，就是AI发起一次查询或操作后，不必等外部工具返回，才能继续输出语音。开发者说明[4] 这很像请同事帮忙查一个空闲会议室。他可以一边打开系统，一边问你是否需要投影设备。对话和查询同时推进，等待就不再是一段完全空白的时间。 但这里至少有三种状态：它听懂了，它正在做，以及它做完了。产品如果把三者都包装成同样自信的声音，体验越自然，误会反而越容易发生。 谷歌还提供实时视觉上下文，让对话参考用户正在展示的内容；开发者可为复杂任务配置思考方式。它并不意味着AI获得了随意操作所有软件的能力。工具能做什么、账号有没有权限、最终结果如何返回，仍由应用接入决定。Live API说明[5] 这也解释了为什么语音模型升级，不会自动让每个客服都升级。企业还要接通订单、库存、预约等系统，并处理取消、超时和转人工。模型把对话接得更顺，只是整条服务流程的一部分。 
Google员工入职助手演示第10秒，结合屏幕与语音进行交互。画中演示者身份未核实，不作姓名推断。演示出处[6] 一个容易被忽略的细节是，谷歌的思考模式文档专门区分了“仍在进行”和“已经空闲”的交互状态。因为同一次请求里，模型可能开口好几次，应用不能把它说完一段话，就当成整个任务已经结束。思考模式文档[7] 这会直接影响界面上的按钮和提示。假设助手还在查询候选地点，用户说“算了，换成线上”，应用就需要处理正在进行的工作，避免旧请求稍后返回时覆盖新要求。这里描述的是产品应当解决的问题，并非宣称所有接入产品已经做到。 对用户来说，值得期待的提示会更具体：查到了哪些条件，还剩哪一步，什么时候需要本人确认。语气是否热情，应该排在这些信息之后。 这场变化和中国读者并不远。阶跃星辰已经公开StepAudio 3 Realtime页面，将全双工、边想边说和工具完成任务列为核心能力。“全双工”关注双方能否自然插话，不必机械地轮流说完整段话。阶跃官方页面[8] 两家放在一起看，竞争方向很清楚：语音AI既要接住聊天节奏，也要把意图送进真实工作流程。厂商有共同方向，并不代表实现细节、中文体验或可靠性已经相同。 
阶跃StepAudio 3 Realtime官网视频封面，展示街头交流场景。属于官方宣传素材，不作为实际对话效果或人物身份的证明。图片来源[9] 数字尤其需要分开读。谷歌在官方公告[10]中披露，Extended Thinking的τ-Voice成绩为68.6%，在Sierra的τ-Voice-banking上为35.1%。这是不同任务集合上的评测结果，不能拿其中一个数字当成所有现实事务的成功率，更不能理解为银行业务已经可以无人托管。 
Google公告所载τ-Voice评测图，68.6%是该评测成绩，非现实事务总体成功率。另一项银行任务评测与本图不是同一集合。图表来源[11] 比排名更有用的问题是：评测到底让AI做了什么，是否要调用工具，怎样判断任务结束，出错时由谁兜底。ServiceNow的EVA-Bench也把语音交互体验与任务完成放在一起考察，提醒我们不能只凭“听起来顺”判断助手好坏。评测项目[12] 中文用户还会遇到口音、人名、地址、背景噪声和临时改口。同一段演示中的好表现，不能替代你自己那段复杂通话。这些都是判断落地质量时该保留的问题，本文没有做跨模型实测排名。 我的判断是，客服、售前咨询、员工培训，以及需要看着画面解释问题的人，会先感受到这类能力的价值。他们的工作常有一个共同点：信息不是一次给齐的，需要边问边补。 普通用户未必会先下载一个新工具，也可能是在已有的搜索、办公或服务入口里遇到它。谷歌表示，两个版本从发布日起逐步推出；开发者可通过API和AI Studio接入，消费者入口涉及Search Live、Gemini Live和部分Workspace订阅功能。推出范围[13]逐步推出不等于所有地区、账号和套餐已经同时可用。 
Google Search Live官方演示第10秒，用手机画面辅助对话。原片展示现实物品的排查场景，不等于任何问题都能自动解决。演示出处[14] 对中国读者，眼下更有用的行动，是拿一件真实、低风险的小事检验你已经能用到的语音助手。比如把一份公开活动通知整理成出行准备清单，中途改一次人数，再补一个限制条件。 看它能否接住改口，保留正确条件，最后交付一份能核对的清单。这个练习不需要付费追新，也不需要交出敏感资料。若它只是持续说“明白”，却漏掉了关键条件，声音再自然也没有省下你的工作。 语音AI会越来越容易让人忘记自己在和机器交流。真正值得买单的进步，是交流结束后少了一件需要你重新做的事。把注意力留给结果，才不会被那句流畅的“已经帮你处理好了”带着走。 你更愿意让语音AI边查边汇报，还是等它确认结果后再开口？欢迎留言，说说哪种更让你安心。 如果这篇帮你看清了语音AI的新变化，可以点个在看，或分享给经常用语音办事的朋友。 
回复“工具箱”，获取《奇点纪 AI 工具箱·海外篇》持续更新清单。 [1]官方发布:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ [2]图片来源:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ [3]演示出处:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ [4]开发者说明:https://blog.google/innovation-and-ai/technology/developers-tools/build-real-time-voice-applications-gemini-audio/ [5]Live API说明:https://ai.google.dev/gemini-api/docs/live-api [6]演示出处:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ [7]思考模式文档:https://ai.google.dev/gemini-api/docs/live-api/thinking [8]阶跃官方页面:https://static.stepfun.com/blog/stepaudio3/realtime/ [9]图片来源:https://static.stepfun.com/blog/stepaudio3/realtime/ [10]官方公告:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ [11]图表来源:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ [12]评测项目:https://servicenow.github.io/eva/ [13]推出范围:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ [14]演示出处:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/
你不必等它想完，再补下一句话
嘴上在说，后台也要真的有进展
国内也在追，但别把流畅当成功率
最先改变的，是那些需要反复确认的小事
📎近期精选
关注奇点纪并设为星标，持续看懂AI的新变化。
引用链接