郭震 AI公众号:郭震AI

实时 AI 消息

Google 详解 Duplex 如何进入 Gemini:让助手代你给商家打电话

Google Research 博客发布文章,讲述 Duplex 的语音能力如何演进并进入 Gemini,使 AI 可以代用户致电商家。文章把这条能力放回生成式 AI 的产品脉络,说明语音代理正从独立助手转变为嵌入大模型助手的日常功能。

发布时间
Google 详解 Duplex 如何进入 Gemini:让助手代你给商家打电话
图源: research.google

Google Research 博客发布了一篇文章,讲述 Duplex 这项代打电话的能力如何一步步演进,并最终进入 Gemini,让助手可以代表用户致电商家。文章标题直接把这条线索引到「在 Gemini 里也能替你给商家打电话」。

Duplex 最初进入公众视野时,是以代用户打电话预订餐厅这类单点任务的形式出现的,需要语音合成、语音识别和对话决策在极短时间内协同完成。它的难点从来不是把话说得像人,而是在对方不知情、语速多变、背景嘈杂的电话环境里把事办成。

文章的核心信息是这条能力的位置变了:从独立的语音助手功能,变成 Gemini 内部可以调用的能力。这也符合过去两年助手类产品的整体走向——语音、通话、日程这些原本各自独立的功能,正在被收拢进一个统一入口,由大模型决定何时调用哪个工具。

从产品角度看,代打电话是一个很适合验证代理能力的场景。任务目标明确,例如问营业时间、确认预约、取消订单,失败代价可控,结果也立刻可以验证;但它同时要求模型处理开放式对话、理解对方的口音与措辞,并在信息不足时主动追问。

真正的难点往往出现在异常路径上:商家不配合、信息前后不一致、对方要求转人工。这类情况无法靠模板覆盖,需要模型在通话过程中判断何时继续、何时停下来把决定交还给用户,这比把标准流程走完更能体现能力的成熟度。

文章本身是回顾性的产品叙述,并没有给出新的发布时间表或覆盖范围,因此更值得关注的是它透露的方向:语音代理正从「能打电话」走向「能在助手体系里被自然调用」。对用户来说,这意味着不再需要单独打开某个功能,而是把需求交给助手即可。

后续的看点在于三处:Gemini 里这类代打电话能力的可用范围与限制、Google 如何处理通话中的披露与透明度问题,以及商家一侧的体验会被如何照顾。这三点决定它是一项演示级的便利功能,还是能长期留在日常使用里的能力。

为什么重要

代打电话从单点功能变成助手可调用的能力,说明语音代理的竞争点正从演示效果转向可用性与透明度。

微博邮件

GoogleGeminiAI Agent
返回实时消息

附近消息

全部