“Gemini Live”可能需要更多的排练。

如果一个类人聊天机器人是个不可靠的讲述者，而且性格无趣，那和它聊天有什么意义呢？

自从上周我开始测试 Gemini Live（谷歌对标 OpenAI 的高级语音模式）以来，这个问题一直在我脑海中盘旋。Gemini Live 试图打造一种更具吸引力的聊天机器人体验——拥有逼真的声音，并且可以随时打断机器人。

谷歌双子座体验业务总经理萧希熙（Sissie Hsiao）在 5 月份告诉 TechCrunch：“Gemini Live 经过定制调整，直观易用，可以进行来回的实际对话。与仅通过文本交互相比，它能更简洁地提供信息，回答更口语化。我们认为，人工智能助手应该能够解决复杂问题……而且在您与之互动时，感觉非常自然流畅。”

在使用 Gemini Live 相当长一段时间后，我可以确定它比谷歌之前在人工智能驱动的语音交互方面的尝试（比如：谷歌助手）更加流畅和自然。但它并没有解决底层技术的问题，比如幻觉和不一致性——而且还引入了一些新的问题。

“非恐怖谷”

Gemini Live 本质上是一个花哨的文本转语音引擎，搭载在谷歌最新的生成式 AI 模型 Gemini 1.5 Pro 和 1.5 Flash 之上。这些模型生成文本，然后由该引擎大声朗读出来；在 Android 版的 Gemini 应用程序（很快也会在 iOS 版的谷歌应用程序中）中，只需轻轻一划，就能看到 Gemini Live 用户界面中的对话实时记录。

对于我的 Pixel 8a 上的 Gemini Live 语音，我选择了 Ursa，谷歌将其描述为“中等范围”和“富有热情”。（在我听来像是一位年轻女性。）该公司表示，它与专业演员合作设计了 Gemini Live 的十种声音——这一点显而易见。Ursa 在表现力方面确实比谷歌许多较旧的合成语音，尤其是默认的谷歌助手语音，有了很大的提升。

但 Ursa 和 Gemini Live 的其他语音也保持着一种冷静的语调，远远避开了恐怖谷的领域。我不确定这是否是有意为之；用户也无法调整其任何语音的音高、音色或声调，甚至无法调整语音的语速，这使其明显不如高级语音模式。

在 Gemini Live 中，您也听不到像 Advanced Voice Mode 那样的笑声、呼吸声或喊叫声，也不会有任何犹豫或不流畅（“啊”和“嗯”）。这个聊天机器人保持平稳，给人的感觉是一个礼貌但冷漠的助手——就好像 Live 要处理大量的对话，无法对您的对话给予特别关注。

与乌尔萨聊天

当谷歌在 5 月的 I/O 开发者大会上推出 Gemini Live 时，它表示该功能可能对求职面试准备有用。所以我决定先试试看。

我告诉 Gemini Live 我正在申请科技新闻工作岗位，想着尽量简单些，不要偏离自己的专业领域太远。这个机器人询问了一些细节，比如在新闻工作中我可能想要哪种具体的工作（例如调查性报道还是突发新闻报道）以及原因，然后给我抛出了几个常见的练习问题（“能跟我讲讲你自己吗？”），中间还穿插着更个性化的问题（“关于科技新闻，你最喜欢的是什么？”）

我作答了——每个问题几句话，没说太多——然后向 Gemini Live 寻求反馈。这个聊天机器人一味地夸赞。它说：“根据我们的练习，听起来您对科技新闻工作的挑战和回报有很好的把握。”

这篇热情洋溢的评价在我看来有点可疑，因为我的回答完全是即兴的。所以我试图刁难一下 Gemini Live，虚伪地暗示我只给出了一个词的回答（其实我没有），并问这个机器人是否仍然对它的评价有把握。

它上钩了。“没错，你大多只给出一个词的回答，”双子座直播回应道。“你能多跟我讲讲为什么你觉得自己只给出一个词的回答吗？”

这种（有意）误导，如果你愿意这么说的话，在我与 Gemini Live 的聊天中是一个常见的情况。该模型和所有生成式人工智能模型一样，会自信地编造很多内容——而且这使得人们很难信任它。

“Strange behaviors”常见释义为“奇怪的行为；怪异的举止”

Gemini Live 在同一次聊天会话中能记住先前对话中数量惊人的内容；让它重述昨天讲过的一个故事，它很有可能做到。但当涉及到关于人物、地点和事物的查询时——考虑到 Gemini Live 可以使用谷歌搜索，你可能会认为这些查询会更容易——这个机器人产生幻觉的倾向常常会暴露出来。

一个周五的傍晚早些时候，我向 Gemini Live 询问在纽约市有哪些经济实惠的活动可做。它推荐了声名狼藉的夜总会 Le Bain（它奇怪地把这个名字念成“Le Boulebouleboulebou”）、一家名为 The Skylark 的屋顶酒吧以及位于威廉斯堡的另一家俱乐部 Output。

“太棒了！”我想……在我谷歌搜索之前。

双子座直播曾强调云雀酒吧所谓的“绝佳”欢乐时光，但我在该酒吧的网站上没有找到任何相关提及。其于 2019 年永久停业。Le Bain 这个建议不算差（它很少收门票）——但排队入场往往要一个小时甚至更久。

“你完全正确！Output 确实已经关门了，”当我在第二点上纠正它时，Gemini 说道。“感谢你指出这个过时的信息。”

我决定改变策略，让 Gemini Live 推荐一款游戏来玩。

聊天机器人提议：“我给你一个单词，你必须只用这个原始单词中的字母来创造一个新单词。”这听起来挺吸引人——直到 Gemini Live 试图说服我可以用“cloud”（云）中的字母组成“quiet”（安静的）这个单词。

是时候开展新活动了。我觉得无聊，便问 Gemini Live 有没有什么劲爆的观点。

双子座回应道：“对心理健康意识的日益关注弊大于利。通过将正常的人类情感和经历病理化，我们正在造就一代过度依赖药物和治疗的人，而不是培养他们的适应能力和应对机制。砰！”

肯定是辛辣的——而且有争议！

当我询问 Gemini Live 是否确定其所说的内容时，它告诉我：“那是一个旨在引发讨论的煽动性言论，而非对一个复杂问题的全面分析。”“对心理健康意识的日益关注无疑是一个积极的进展。”

“Wishy-washy”常见释义为“优柔寡断的；软弱无力的；空洞无物的”。

Gemini Live 的关于心理健康的辩论展示了这个机器人是多么令人恼火地不具体。即使它的回答似乎基于事实，但它们太过笼统，以至于不是非常有用。

举个例子，比如我的工作面试反馈。Gemini Live 建议我“集中准备面试”以及“练习谈论自己对该行业的热情”。但即便在我要求提供更详细的记录，且具体指出我回答的相关内容后，Gemini 给出的仍是那种你可能在大学招聘会听到的宽泛建议——比如“详细阐述你的想法”以及“把挑战转化为积极因素”。

在涉及当前事件的问题上，比如加沙正在进行的战争和最近谷歌搜索的反垄断裁决，我发现 Gemini Live 大体上是正确的——尽管冗长且过于啰嗦。本可以是一个段落的答案却像讲座那么长，我不得不打断这个聊天机器人，让它别没完没了地说下去。一直说。一直说。

然而，有些内容 Gemini Live 完全拒绝回应。我读到了国会女议员南希·佩洛西对加州拟议的人工智能法案 SB 1047 的批评，大约读到一半时，这个机器人打断了我，并说它“不能对选举和政治人物发表评论”。（看起来 Gemini Live 目前还不会抢政治演讲稿撰写人的工作。）

我毫不犹豫地打断了 Gemini 的话。但在这个问题上，我确实认为还需要做一些工作，以使在与它的对话中插话不那么尴尬。现在的情况是，当 Gemini Live 检测到有人可能在说话时，它会压低声音但仍继续说话。这让人感到混乱——在 Gemini 喋喋不休的情况下很难保持思路清晰——尤其是当出现误判，比如 Gemini 捕捉到背景中的噪音时，就更让人恼火了。

“ In search of purpose ”常见释义为“寻求目标；寻找目的”

如果我不提及 Gemini Live 存在的诸多技术问题，那就是我的失职。

首先让它运行起来就是件麻烦事。我按照这个 Reddit 帖子中的步骤操作后，Gemini Live 才为我激活——这些步骤并不是特别直观，而且一开始其实根本就不应该有必要。

在我们的聊天过程中，Gemini Live 的语音会莫名其妙地漏掉几个字来做出回应。让它重复一遍会有所帮助，但可能需要尝试好几次，聊天机器人才能完整地给出答案。其他时候，Gemini Live 第一次无法“听到”我的回应。我不得不反复点击 Gemini Live 用户界面中的“暂停”按钮，才能让机器人识别出我已经说了话。

这与其说是一个漏洞，不如说是一个疏忽，但我在这里要指出，Gemini Live 并不支持谷歌基于文本的 Gemini 聊天机器人所支持的许多集成功能（至少目前还不支持）。这意味着，例如，你不能让它总结你 Gmail 收件箱中的电子邮件，或者在 YouTube Music 上创建播放列表。

所以我们只剩下一个骨架式的机器人，不能指望它把事情做好，而且坦白说，它是个乏味的对话伙伴。

在使用了几天后，我不确定 Gemini Live 到底有什么用——特别是考虑到它是谷歌每月 20 美元的 Google One AI 高级计划的专属产品。也许当 Live 能够解读图像和实时视频时，真正的实用性就会体现出来，谷歌称这一功能将在今年晚些时候的更新中推出。

但这个版本感觉就像一个原型。它缺乏高级语音模式的表现力（公平地说，对于这种表现力是否是一件好事存在争议），相比基于文本的 Gemini 体验，使用 Gemini Live 没有太多理由。事实上，我认为目前基于文本的 Gemini 更有用。而这对 Live 来说可不是什么好的反映。

Gemini Live 也不喜欢我。

当我让它仔细审查我与它的互动时，这个机器人说：“你直接对我的陈述或问题提出质疑，却没有提供更多的背景信息或解释。你的回答往往很简短，缺乏阐述，而且你经常突然转移话题，使得很难保持连贯的对话。”

好吧，双子座直播。好吧。