谷歌将 Duplex 自动电话能力接入 Gemini Tasks
谷歌介绍 Duplex 的新架构:Gemini Tasks 可代用户致电商家,处理预约、价格和服务可用性等现实事务。
发生了什么
谷歌研究团队公布 Duplex 的演进路径:这项技术已从早期用于固定脚本商家电话的系统,变成 Gemini Tasks 中更通用的语音智能体能力。谷歌称,用户可以让它代打电话,查询服务是否有空、确认价格,或处理预约等现实事务。
电话场景的难点在于,对方可能随时打断、修改说法,还会通过语气变化判断谁该继续说话。谷歌表示,目前的 Duplex 采用由 Gemini 基础模型构建的统一技术栈,而不是早期针对不同电话任务分别训练的封闭模型集合。
Duplex 也已在 Google Search 和 Maps 背后运行。谷歌称,通过电话获得的商家信息在 Search 和 Maps 中的展示次数已超过一万亿次。这个规模说明,自动电话不仅是消费者功能,也是一条重要的商家数据收集渠道。更早的 Duplex 技术还支持 Pixel 的 Call Screen 和 Hold for Me 等功能。
从演示走向基础设施
这次更新的重点不是单独推出某个模型,而是把一个极难处理的交互界面产品化:AI 要与并未主动联系机器的人协商。它需要低延迟语音识别、上下文推理、自然语音合成,以及围绕身份披露和用户授权的保护机制。
谷歌称,基础模型让 Duplex 从预约等边界清晰的任务,扩展到 Search、Maps 和 Gemini 中更多变化复杂的事务。真正的考验在于,它能否稳定处理例外情况、商家各自的规则,以及必须先征得用户确认的决定。
为什么重要
语音智能体只有在能替用户完成事务时,才会从问答工具变成基础设施。Duplex 进入 Gemini Tasks,意味着谷歌正把十年电话交互研究转化为连接地图和商家数据的行动层。这可能让 Gemini 在现实世界协调任务上形成优势,但也会让身份披露、通话记录和代用户决策的边界变得更加重要。