11月16日,谷歌开始在Android和iOS平台的Gemini应用中推送66种地区性语音。此次更新涵盖了包括盖尔语(Geordie)、利物浦口音(Scouse)和伯明翰口音(Brummie)在内的多种英国方言,旨在让Gemini的朗读风格更贴合用户所在地。随着语音成为主流交互方式——谷歌8月数据显示63%的用户通过语音与助手互动,且应用月活跃用户已突破10亿大关——这一更新直接影响Gemini Live、语言练习及“聆听”功能的声音表现。

方言细节与官方披露差异

谷歌官方公告仅列出美式英语、英式英语、印度英语、印地语、巴西葡萄牙语、印尼语和韩语七大语言类别,并未详述66种语音的具体分布或明确提及具体方言名称。据多家媒体报道,英式英语选项可能超过十种,涵盖苏格兰、威尔士、北爱尔兰及多文化伦敦英语等,但完整阵容尚未得到官方确认。

谷歌表示,所有语音均经过调整以确保自然节奏和清晰度,避免夸张的口音表演。报道指出,谷歌可能与母语人士合作构建了这些语音,但这一细节未在官方公告中体现。早在今年5月的I/O大会上,谷歌曾展示过引入本地方言的计划,包括印度哈里亚纳邦方言Haryanvi的演示。

用户如何切换与潜在技术挑战

用户可在Gemini Live的菜单或应用设置中选择“Gemini的语音”,预览并选定后,该声音将应用于整个应用。值得注意的是,选择器未按城市或地区标记语音,且Gemini无法通过对话识别自身口音,用户需通过试听辨别。媒体建议,使用涉及当地食物、文化和体育的提示词有助于检验语音的地道程度。

从技术演进看,2024年9月Gemini Live仅提供一种英国口音(Capella),而2025年11月的更新使口音成为可选项。然而,口音稳定性仍是技术难题。此前报道指出,Gemini Live语音在长对话中可能出现音调变化或滑入其他口音(如澳大利亚或标准美式英语)。尽管此次更新有望缓解“语音漂移”,但尚未经过独立测试验证。

对于开发者,谷歌文档建议通过选择扩展语音库中的地区性语音来固定口音,而非依赖样式提示,因为长样式块是导致语音漂移的主因。需注意的是,Gemini Live底层采用Gemini 3.1 Flash Live模型,支持端到端音频处理,且生成音频带有SynthID水印,但官方未明确说明此次新增的66种语音是否同样包含该水印。

安全警示:拟真方言加剧信任风险

此次更新引发了关于AI语音安全性的讨论。阿伯泰大学的研究显示,听众倾向于假设使用地区方言的AI语音为真人发声。在一项针对苏格兰和英格兰南部成年人的实验中,参与者更难区分经过AI处理的方言语音与真实录音,尤其是当语音带有本地特征时。研究人员警告,这种高逼真度可能被用于网络钓鱼或欺诈。

后续研究进一步发现,告知用户AI具备逼真模仿能力可显著降低其将AI语音误判为真人的概率,但单纯的风险警告效果有限。阿伯泰大学将这种现象归因于“MINDSET偏见”,即人们潜意识认为技术难以处理非标准方言,从而更容易信任带有方言的AI声音。鉴于深伪诈骗造成的平均经济损失高达数百至数千英镑,专家建议加强公众意识宣传及服务端的安全提示。

需要澄清的是,上述研究测试的并非Gemini语音,目前也无证据表明Gemini的新方言已被用于欺诈。此外,新语音仅改变Gemini的输出声音,并未提升其对用户口音的识别能力。既往研究表明,商业语音识别系统在处理纽卡斯尔英语等地区性口音时,字错误率仍居高不下。


常见问题解答

如何将Gemini语音切换为地区口音?

在Gemini Live中点击三点菜单,或在应用设置中选择“Gemini的语音”。预览各选项后确认选择,该设置将同步应用于Gemini Live、语言练习及Listen播放功能。

拟真AI语音会被用于诈骗吗?

阿伯泰大学研究人员警告,高度逼真的方言AI语音可能增加网络钓鱼和欺诈风险,因为用户更易信任此类声音。虽然目前尚无Gemini语音被用于诈骗的案例,但美国联邦通信委员会已裁定,使用AI生成语音的通话受《电话消费者保护法》监管,需遵守自动拨号事先同意规则。

Gemini现在能更好地理解我的口音吗?

不能。此次更新仅涉及Gemini的输出语音(TTS),未涉及语音识别(ASR)性能的改进。现有研究显示,商业识别系统在处理地区性口音时仍存在较高错误率。

地区性语音在所有设备上可用吗?

谷歌表示正在Android和iOS平台逐步推送,但未提供完整的时间表或地区可用性列表。因此,新功能可能需要一段时间才能覆盖所有用户的应用版本。