当AI不再只是回答你，而是开始“像一个人”一样和你说话，交互的本质就变了。
谷歌正在为Gemini开发一套全新的语音自定义功能，允许用户通过“速度、活力、正式度、亲切感”四个滑块，精细调整AI助手的声音风格。据9to5Google团队在Google应用17.41.12测试版APK中发现的代码，用户未来将不再局限于预设的几种语音选项，而是可以通过滑动调节器，像调音台一样塑造Gemini的交流个性。
听起来像是一个简单的功能更新。但如果把它放在AI语音助手竞争的大图景中看，这可能是谷歌投下的一枚关键棋子。
四个滑块，一种野心
先看具体的功能设计。
四个滑块分别对应四个维度。速度提供慢、正常、快三档，控制AI回复的节奏。活力、正式度和亲切感各提供低、中、高三档，主要影响AI语音的情感表达方式。
这意味着用户可以做出非常精细的场景化配置。用Gemini规划旅行时，降低正式度、提高亲切感，让AI像一个热心的当地朋友。做研究分析时，提高正式度，让AI切换到专业助理模式。这些设置将同时应用于Gemini Live实时对话模式和普通聊天场景。
谷歌此前已在I/O 2026上宣布方言语音支持即将到来，希望增强Gemini的本地化表现。语音自定义功能的出现，则表明谷歌在AI语音上的野心不止于“听清你说什么”，而是“怎么说你才爱听”。
为什么是现在
谷歌推出这一功能的时间点耐人寻味。
就在两周前，苹果在iOS 27 beta 3中正式启用了Siri的语速和表现力控制功能。用户可以在Siri菜单中使用Pace和Expressivity两个滑块，调节Siri的说话速度和情感表达程度。这是苹果在WWDC 26上宣布的Siri全面重构的一部分。而更早的2025年12月，OpenAI已经为ChatGPT推出了温暖度和热情度调节选项，用户还可以在基础风格与语气中选择Professional、Candid、Quirky等模式。
至此，三家AI语音巨头——Google Gemini、Apple Siri、OpenAI ChatGPT——在短短半年内全部完成了语音自定义功能的布局。这不是巧合。
变的不只是声音，是AI的定位
从表面上看，语音自定义功能解决的是“好不好听”的问题。但更深层的逻辑是：AI公司正在集体意识到，语音交互的“人格化”可能比“智能化”更早成为用户体验的分水岭。
过去两年，AI语音助手的核心竞争集中在理解能力上。谁能更准确地听懂复杂指令、更流畅地处理多轮对话，谁就领先。但到了2026年中，各家大模型的基础能力已经拉不开质的差距——GPT-5、Gemini 2.5、Siri在大多数日常对话场景中的表现已经不相上下。
当技术天花板趋同，体验差异就成了新的战场。
而语音是AI体验中最“人性化”的一层。人说话的方式——语速、语调、情感色彩——是人类交流中传递信息量最丰富的非语言通道。AI语音如果始终是一个标准播音腔在说话，哪怕理解能力再强，用户也很难产生“在和一个智能体对话”的感觉，而只是在操作一个语音界面。
三巨头的三种路径
有趣的是，三家公司对“语音自定义”的理解并不相同。
OpenAI走的是“人格让渡”路线。ChatGPT的语音自定义不仅包括温暖度和热情度，还有基础风格与语气——Professional、Candid、Quirky等。这本质上是在让用户选择AI的人格模板。Professional，咬文嚼字，可以是学术顾问；Candid，直来直去，可以是辩论对手；Quirky，机灵古怪，可以是聊天玩伴。OpenAI在2025年因为GPT-5被用户投诉“冷冰冰”后，迅速转向了更灵活的人格化路线。
苹果走的是“表达自然化”路线。Siri的Pace和Expressivity两个维度，调节的是“怎么说话”而不是“什么人说话”。苹果没有让用户选择Siri是“专业的”还是“俏皮的”，而是让用户调节语速和情感表达程度。这符合苹果一贯的产品哲学：AI是助手，不是朋友。Siri可以更自然，但不应该假装成另一个人。
谷歌走的是“精细控制”路线。四个滑块——速度、活力、正式度、亲切感——覆盖了语速、情感强度、礼貌程度和亲密度四个维度。这比OpenAI的人格模板更细，比苹果的两个维度更丰富。谷歌的野心是让用户自己调音，而不是在预设人格中选择。
三种路径没有绝对优劣，但指向同一个方向：AI语音正在从“one-size-fits-all”走向“千人千面”。
语音是AI超级入口的钥匙
语音自定义功能背后，还有一个更值得关注的趋势——语音正在成为AI的超级入口。
2026年，Gemini Live、ChatGPT语音模式、Siri的全面重构，都在把AI从屏幕里的对话框推向随时在线的对话伙伴。但语音交互有一个天然瓶颈：用户对声音的接受度高度主观。有人喜欢快节奏的AI，嫌慢的AI啰嗦。有人喜欢慢节奏，觉得快的AI咄咄逼人。有人觉得AI用正式语气说话才有专业感，有人觉得太正式的声音没有人情味。
如果语音助手不能让每个用户找到自己舒服的声音，那么语音就永远只能是一个补充交互方式，而无法成为主流。
这就是为什么谷歌要在这个时间点推出四个滑块。这不是一个锦上添花的功能，而是一道门槛：谁先让用户舒服地和AI说话，谁就能抢占语音交互的下一波增长。
风险与局限
当然，语音自定义功能并非没有挑战。
自定义的边界在哪。如果用户把亲切感调到最高、把正式度调到最低，AI会不会显得过于亲密，甚至越界。谷歌需要定义舒适区的边界。
个性化与一致性的平衡。同一个AI在不同场景下切换不同声音风格，会不会让用户产生人格分裂的感觉。Gemini到底是一个助手还是一群助手。
隐私问题。语音自定义意味着AI需要收集更多关于用户偏好的数据——你喜欢哪种语速、哪种语气、在哪些场景下切换。这些数据本身就有极高的隐私敏感性。
这些问题暂时没有答案，但谷歌必须面对。
这意味着什么
语音自定义功能的出现，标志着AI语音助手从“功能竞争”进入“体验竞争”的新阶段。
过去，AI语音拼的是“能不能听懂”。现在，拼的是“说出来好不好听”。未来，拼的是“用你的声音陪你说话”。
这不是一个渐进式的升级，而是一个范式切换。当用户可以通过四个滑块定义AI的声音风格时，AI就不再只是一个工具，而是正在变成一种可定制的关系。你喜欢严肃的导师，还是活泼的朋友，专业且高效还是温暖且啰嗦。这些选择权正在从产品经理手中转移到用户手中。
短期看，谷歌的四个滑块策略在功能深度上领先。但苹果的优势在于生态整合——Siri的语音自定义不限于Siri本身，还应用于Maps和Safari。OpenAI的优势在于先发，ChatGPT的语音自定义已经运行了半年多，积累了最多的用户反馈。
长期看，胜负取决于谁能让用户真正习惯和AI说话。语音自定义是诱饵，但真正的钩子是“让用户觉得AI的声音属于自己”。
AI语音的下半场，比的不是谁更聪明，而是谁更“像你”。谷歌赌的是：当你能调出AI的声音，你才会真正把它当成自己的搭档。
快报