谷歌推出实时语音模型Gemini 3.1 Flash Live，支持语音驱动应用开发，实现“动嘴做App”。该模型在多项评测中超越GPT-4o等对手，响应延迟、多语言处理等能力显著提升，尤其优化了嘈杂环境下的语音识别。谷歌展示了语音修改界面、设计协作及游戏互动等场景，体现其“全栈语音Agent”布局。目前模型已开放给开发者，中文体验仍待完善。随着国内外厂商加速竞争，语音交互正成为AI应用新焦点。