谷歌悄然解决了语音助手最大的一个问题：停顿会被打断。该公司正准备在其 AI 助手上发布一项新功能，允许用户更长时间地说话。在谷歌应用 16.42.61 版本中发现的代码字符串提到了 Gemini 新增的麦克风锁（mic lock）功能，该功能会一直录制或传输音频，直到你明确禁用它。此外，浮动式Gemini界面外观也将调整，并新增了一个可移动的 Gemini Live 按钮。
为什么麦克风锁定对于自然语音使用很重要
任何写过长提示的人都熟悉这种做法：暂停或后退，然后尝试更改一个单词，助手就会认为你已经完成了。这种打断会打乱你的节奏，几乎总是迫使你重新开始。麦克风锁定可以立即解决这个问题，它允许你以与人类语音相同的速度说话，而不会超过静音超时时间。
它不仅仅是为了方便。持续聆听模式能够让您轻松处理复杂的请求，无论您是在撰写带有注意事项的电子邮件，还是只是集思广益地更改行程，亦或是在多步骤自动化流程中逐一讲解各个步骤。它还能让喜欢慢语速或需要在短语之间停顿的用户受益。NPR 和 Edison Research 的《智能音频报告》一致表明，更自然的对话是用户对语音技术的一大期望——这项功能正是为此而生。
Gemini Voice 的新聆听模式如何运作
代码串表明，用户将能长按 Gemini 输入框中的麦克风图标将其锁定，类似 WhatsApp支持锁定语音笔记的功能。激活后，该图标会变成一个巨大的停止按钮。用户可暂停说话、进一步思考，无需担心超时限制继续录制，完成后轻点停止按钮即可。
Gemini Live 已能实现更自由的对话交流，但需通过独立覆盖层界面启动。
新功能运作方式与标准 Gemini 语音输入相似，支持在日常轻量级界面中持续语音输入，用户可通过Google 应用快捷方式或键盘麦克风快速调用该界面。
关键在于，锁定模式意味着控制权限明确且本地化。它并非后台“持续监听”，而是基于会话的自觉状态，点击停止按钮即可立即终止，这与谷歌在麦克风启用时提供屏幕视觉提示的做法保持一致。
Gemini Live 体验的 UI 变化
除了麦克风锁之外，应用构建测试了略微调整的浮动输入框版本，该输入框会在您开始输入时展开。它与我们在 Android 版 Gemini 主界面中已有的更完整的文本字段相呼应，希望这能让您更轻松地编写和编辑更详细的提示，而无需切换到全屏模式。
Gemini Live 的浮动按钮很快就能更轻松地移动了。测试人员可以拖动它，将其停靠在六个位置中的任意一个：屏幕左侧、右侧、顶部、中间或底部。这并非完全自由的布局，但这些停靠点有助于确保按钮不会妨碍应用控制、状态手势和应用内键盘——这在大屏手机和可折叠设备上尤其有用。
小小的网格表明这些变化远未最终确定。目前来说，这是一种巧妙的折中方案，在自由度和可预测的人体工程学之间取得平衡，同时谷歌会追踪用户在实际生活中实际使用该功能的情况。
新的麦克风锁对语音 AI 意味着什么
自然的轮流发言是语音助手的下一个前沿领域。OpenAI 的语音模式对停顿非常敏感，而开放领域的平台参与者正在竞相提供自由形式的多轮发言体验，让用户感觉更像对话而非事务性。麦克风锁定功能是 Gemini 适应用户在各种情况下的低摩擦方式——例如，讨论难题、编辑句子的一部分，以及在说话的同时穿插沉默。
其回报是切实的。持续聆听可以提升诸如烹饪、维修或驾驶等需要动手的任务，并使与AI模型的头脑风暴更加流畅。对于高级用户来说，这可能意味着在经历一次令人震惊的中断后放弃语音，以及将其作为日常工作的一部分，用于起草、总结或编码指导。
与所有在应用构建中发现的功能一样，时间表远未确定，计划也可能会发生变化。谷歌尚未就麦克风锁定或用户界面调整发布官方声明，而且并非所有测试过的功能都会融入到软件中。但总的来说，这些实验表明了一个明确的优先事项：让 Gemini 不再像对讲机，而更像一个耐心的对话伙伴。
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/62444.html
