“连不会使用人工智能(AI)的我母亲,也能和AI对话。这意味着老年人或小孩子无需敲键盘,也能自由地制作文档。”
谷歌Workspace产品副总裁Yuri Kwon Kim(见图)本月19日(当地时间)在美国加利福尼亚州山景城海岸线露天剧场接受Seoul Economic Daily采访时如此强调。
金副总裁负责Workspace业务,该平台汇集了Gmail(邮件)、日历(日程)、Meet(会议)、Keep(备忘)、Drive(存储)、Docs(文档)等谷歌办公工具。在19日至20日举行的全球最大开发者大会“Google I/O 2026”上,谷歌展示了在Docs、Keep、Gmail等产品中搭载语音AI的“Live”功能。其中Docs Live是一款能以说话的速度处理工作的工具。
以往需要用笔记本电脑或智能手机直接输入信息来撰写文档,而Docs Live只要在脑中想法浮现时说出来,Gemini就会自动处理。
金副总裁解释说:“在开车、洗碗、两手都拿着东西时,只要一有想法就直接说出来即可”,“说话人人都会,因此不再需要学习各种AI功能或操作工具。”
为实现看似简单的Docs Live,谷歌采用了多模态。以往的语音AI需要先识别语音,再经过大规模语言模型(LLM)合成语音,最快也要3秒以上。而谷歌的模型同时识别语音、文本和视频,将时间缩短至0.5秒以内,同时把握用户的意图和语境。
此外,谷歌的Live能够感知声音的细微差别,不仅与人一样快,还像人一样存在延迟。当用户停止说话时,它会判断是对话结束了,还是正在思考。这也是使用谷歌Live时会有真的在与人对话的感觉的原因。
金副总裁解释说:“语音识别及处理技术已经快到让AI呈现出与人们对话相近水平的延迟时间。”他还强调:“Gemini从最初就被设计为能够同时理解文本和语音的多模态”,“它能够理解用户的情绪、意图乃至背景,因此AI可以像人一样作出反应。”
他预计,得益于实时语音AI,未来的工作方式将发生革命性变化。金副总裁表示:“要把想法结构化就需要有头脑风暴的伙伴,而AI随时都能参与这一过程”,“在早期测试过程中,很多人反馈说感觉像有一位编辑助理,非常好。”






