Gemini Gems 为什么在 Live 里不能用？这不是账号异常，而是当前就不支持
如果你创建好的 Gemini Gem 在普通聊天里能用，但一切到 Gemini Live 就找不到，先别怀疑账号同步失败。Google 当前帮助里写得很明确：目前 Gems 还不能和 Gemini Live 一起使用。 这个限制之所以特别容易让人误会，是因为 Gems 本来就像“预设好的个性化助手”...
AI问答 • Admin •
70
语音交互
找到 4 篇相关文章
Voice Agent 是什么？为什么 AI 语音助手开始从“会说话”走向“会办事”
Voice Agent 可以理解成“以语音为主入口的 Agent”。它不只是把你的话转成文字，再把模型回复念出来，而是把实时听、理解、打断、追问、调用工具、执行任务这些能力放进同一个交互闭环里。所以最近大家讨论 Voice Agent，重点已经不再是语音像不像人，而是它能不能真的替你把事办完。 以前...
AI百科 • Admin •
76
语音到语音（Speech-to-Speech）是什么？为什么它被认为比“语音转文字再播报”更接近自然对话
语音到语音，通常指模型直接从语音输入到语音输出完成理解和生成，而不是先把声音转成文字、再把文字交给语言模型、最后再转回语音。它之所以越来越热，是因为这种路线更接近人类真实对话，也更有机会保留语气、停顿、情绪和说话风格。 它和传统语音链路差在哪 传统路线是 ASR 加 LLM 再加 TTS，优点是模块...
AI百科 • Admin •
86
多模态代理（Multimodal Agent）是什么？为什么“能看、能听、能做”的 Agent 越来越受关注
多模态代理指的不是只能处理文字的 Agent，而是能同时接收和利用图像、语音、界面状态、文档甚至视频等多种输入，再结合工具调用和任务规划去执行动作。它最近越来越受关注，是因为很多真实任务根本不只发生在文本里，Agent 要真能干活，就得先“看得见、听得懂、再动得了”。 它为什么比普通聊天代理更难 -...
AI百科 • Admin •
80