谷歌 Duplex 集成至 Gemini Tasks,实现自主商务通话

关键要点

  • 谷歌于 2026 年 11 月 20 日将 Duplex 自主呼叫技术集成到 Gemini App 中的 Tasks,使 AI 能够代表用户致电商家并处理请求。
  • 截至 2023 年,来自 Duplex 电话的商家信息已在谷歌搜索和地图中展示超过一万亿次。
  • Gemini 中的 Tasks 支持全面的工作流程,包括公用事业账单分析、安全交易处理,以及通过电子邮件和 RCS 进行多渠道协调。

Google 已将 Duplex 这项 AI 电话技术直接集成到 Gemini App 中的 Tasks,让系统能够代表用户致电商家并处理现实生活中的需求。该集成于 2026 年 11 月 20 日由 Yossi Matias(Google 副总裁兼 Google Research 总经理)、Yaniv Leviathan(Google Research Fellow)和 Janet Zhou(Google Maps 产品群经理)宣布。这标志着长达十年的架构演进达到顶点,Duplex 已从狭窄、针对特定任务的系统转变为由 Gemini 驱动的统一对话基础设施。这一转变体现了基础模型的进步,如今这些模型能够在 Google 核心产品中自主完成任务,使系统从早期的封闭领域模型发展为完全基于 Gemini 构建的系统。

Google Duplex 的十年演进

Google Duplex 于 2018 年推出,是一项开创性技术,能够让 AI 与本地商家通过电话进行自然语音对话。最初的系统仅限于狭窄领域,并使用匿名化、针对特定任务的电话对话数据训练定制循环神经网络模型。由于缺乏预训练的世界知识,早期 Duplex 模型需要针对每种特定任务类型进行训练,以高效处理任务,例如理解餐厅预订的固定流程或查询节假日营业时间;为了确保可靠地应对各领域的特定逻辑,每个领域都需要大量训练数据。

在 COVID-19 疫情期间,Duplex 转而专注于自动核实商家信息,以确保商家列表准确无误。这项工作意义重大;截至 2023 年,通过 Duplex 电话获取的商家信息已在 Search 和 Maps 中展示超过万亿次。

与此同时,各团队也在努力将对话模型直接部署到设备上。从 2019 年开始,Pixel Call Assist 功能陆续应用于连续五代 Pixel 设备,为 Call Screen 和 Hold for Me 等功能提供支持,帮助用户筛选陌生来电,并在等待队列结束后接通人工客服。

Duplex 开发的三个架构时代

这项技术的演进经历了三个截然不同的时代。第一个时代采用定制神经网络流程,使用定制循环神经网络处理狭窄领域,因此需要大量针对特定任务的训练数据。第二个时代始于 Duplex 开始在生产环境中采用新兴的开放领域基础模型;例如,2022 年,Duplex 在实时通话中使用了 LaMDA。然而,这些早期生成模型的可预测性较低,有时也比当前系统慢,因此 Google 构建了混合技术栈,将用于灵活表达的生成模型与确定性状态跟踪和严格的策略防护机制结合起来。

第三个也是当前的时代,体现了基础模型的进步。Google 不再受限于固定垂直领域,而是改为通过自由文本任务描述向系统提供提示。这种方式让模型仅凭提示就能定义任务,使系统能够泛化到新的任务类型和细微需求,例如要求靠窗座位或为婴儿车预留更多空间;系统也能适应新的商家类别,而无需从头构建独立的对话模型。

Gemini 驱动的通话与多模态集成

当前的通话技术栈使用 Gemini 统一多模态理解、规划和对话生成,使系统能够处理多重约束的请求,例如在避开日历冲突的情况下安排汽车保养,并在接待员提出其他时间段时灵活调整。

2025 年和 2026 年,基础模型推动 Google Search 和 Ask Maps 扩展了智能体式通话功能,使系统能够查询报价、产品库存情况和服务预约空档,覆盖宠物美容到汽车维修等不同类别。

Duplex 的设计原则确保这项技术对接听电话的商家和用户同样有效。实时电话通信面临独特挑战,仅靠在网络等标准数据集上进行预训练无法解决这些问题。系统必须在单个低延迟系统中协同实现高质量语音理解、上下文推理和语音合成,同时还要考虑到实时电话对话节奏很快、很少按脚本进行,并依靠细微的语气变化来传递轮次交替的信号。

Gemini App 中的 Tasks:统一的 AI 助理

通过将 Duplex 的能力集成到 Gemini App 中的 Tasks,Google 正在打造一种无缝集成的交互方式,让智能体在在线 API 或预订表单等结构化数字渠道不可用时也能调用这项能力。Gemini 中的 Tasks 现在支持完整工作流程,包括分析水电费账单、通过 Agent Payments Protocol 安全处理交易,以及通过电子邮件和 Rich Communication Services(RCS)与用户协调。

根据公告,最新的 Gemini 4 模型——包括 Gemini 4 Hydrogen 和 Gemini 4 Neon——为这些扩展功能提供支持,使自然语音交互融入更广泛的 AI 助理工作流程。许多日常琐事、本地服务和紧急事务仍需要直接与他人交谈,才能可靠地协调细节;当数字替代方案不可用时,Gemini 中的 Tasks 可通过自动处理电话协调来弥合这一差距。

关键信息

  • Google Duplex 于 2018 年推出,是一套可让 AI 与本地商家通过电话进行自然语音对话的系统。
  • 在 COVID-19 疫情期间,Duplex 专注于自动核实商家信息,以确保商家列表准确无误。
  • 截至 2023 年,通过 Duplex 电话获取的商家信息已在 Search 和 Maps 中展示超过万亿次。
  • 从 2019 年开始,Pixel Call Assist 功能陆续应用于连续五代 Pixel 设备。
  • 2022 年,Duplex 开始在实际生产通话中使用 LaMDA。
  • 2025 年和 2026 年,基础模型使 Google Search 和 Ask Maps 能够扩展智能体式通话功能,用于查询报价、产品库存情况和服务预约空档。
  • Gemini App 中的 Tasks 现在支持分析水电费账单、通过 Agent Payments Protocol 处理交易,以及通过电子邮件和 Rich Communication Services(RCS)进行协调。
  • 最新实现使用 Gemini 4 模型,包括 Gemini 4 Hydrogen 和 Gemini 4 Neon。

常见问题

什么是 Google Duplex?它如何在 Gemini Tasks 中发挥作用?

Google Duplex 是一项 AI 电话技术,能够让 AI 与商家进行自然语音对话。集成到 Gemini App 中的 Tasks 后,Duplex 可以代表用户致电商家并处理现实生活中的需求,例如预订晚餐或预约理发。该系统使用 Gemini 统一多模态理解、规划和对话生成,使其能够处理多重约束的请求,例如在避开日历冲突的情况下安排汽车保养,并在接待员提出其他时间段时灵活调整。

早期 Duplex 与当前由 Gemini 驱动的版本有哪些主要区别?

2018 年推出的早期 Duplex 仅限于狭窄领域,使用定制循环神经网络模型,并通过针对特定任务的电话对话进行训练,因此每个领域都需要大量训练数据。当前由 Gemini 驱动的版本通过改用自由文本任务描述摆脱了这些限制,让系统能够泛化到新的任务类型、细微需求和商家类别,而无需从头构建独立的对话模型。其演进经历了三个时代:面向狭窄领域的定制神经网络流程、将生成模型与确定性跟踪相结合的混合技术栈,以及最终统一的 Gemini 架构。

Gemini App 中的 Tasks 除了电话呼叫外还新增了哪些能力?

Gemini App 中的 Tasks 支持多种完整工作流程,不仅限于自主电话呼叫,还包括分析水电费账单、通过 Agent Payments Protocol 安全处理交易,以及通过电子邮件和 Rich Communication Services(RCS)与用户协调。系统将自然语音交互作为一种可无缝调用的方式,与其他能力结合,使其能够处理无法通过在线 API 或预订表单等结构化数字渠道完成的任务。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论