程序 · 杂谈 | 谷歌召开新品发布会,语音模式Gemini Live正式登场

cnblogs 2024-08-19 08:13:00 阅读 73

【导读】谷歌版Her,抢先OpenAI登场了?谷歌语音模型Gemini Live,即将在全球30亿安卓和22亿iOS设备中上线。虽然现场演示依旧小翻车了一下,但谷歌下定决心不等了,一心截胡OpenAI,还要对打苹果!

OpenAI,刚被截胡了?

紧追着OpenAI的「Her」,谷歌也正式官宣:发布AI语音功能!

就在刚刚「谷歌制造」的主题演讲中,谷歌宣布推出语音模式Gemini Live。不久后,Gemini Live就会在Gemini移动应用程序中上线。

谷歌和OpenAI的军备竞赛,再一次打响。

image

看看OpenAI那边,三个月前石破天惊的「Her」如今依旧没个声响,这是妥妥要被谷歌截胡的节奏啊。

在场的谷歌领导Rick Osterloh也意味深长地表示:「我们听到太多关于AI的承诺,和即将推出的口号了。今天,我们要展示的是真实的进展!」

此外,在这次演讲中,谷歌还详细展示了Gemini会如何更深入地集成到安卓、应用程序和新的Pixel设备中。

在一口气发布的Pixel 9系列手机中,谷歌也探索了「AI+手机」的新样态:Gemini、安卓、Pixel的融合,会孵化出怎样的端侧AI产品形态。

现在,凭借AI加持的安卓,谷歌能击败苹果吗?

谷歌的「Her」,也来了

根据谷歌介绍,Gemini Live是一款全新的移动对话体验。

如果我们想要头脑风暴一下,根据自己的技能和学历能找到什么样的工作,Gemini可以立刻跟我们实时对话。

这个感觉,就仿佛口袋里有了一个随时可以聊天的贴心助手。

而且同OpenAI一样,谷歌的语音功能,同样可以让用户以自然的对话语言和它交流,它的回应也用的是真人般的声音和节奏。

为了让我们拥有最自然的体验,谷歌一口气推出了10种声音,我们可以随心选择自己最喜欢的语调和风格。

另外,Gemini Live还支持免提功能。即使Gemini应用程序在后台,或者手机正在锁定,我们依然可以和它对话,就仿佛在普通的电话中一样。

还有,我们可以随时打断它、更改话题——看着很眼熟对吧?没错,OpenAI的语音能做的,它都有。

image

五月份OpenAI惊艳全场的高级语音功能「Her」,如今依旧在鸽,上个月底也只是选择性地向一小部分Alpha测试参与者开放。

在速度上,谷歌明显吊打了OpenAI。

现在只要花每月19.99美元,就可以在安卓设备上使用Gemini Live了,只要进入谷歌Gemini应用程序即可。

目前开放的是英语版本,而iOS版本和更多语言的支持,还会在未来几周内推出。

另一方面,在用户规模上,谷歌的高级语音模式也会接触比OpenAI更广泛的潜在用户。

要知道,如今全世界有超过30亿的安卓用户,和22亿的iOS用户。

而OpenAI的语音功能鸽了的部分原因,恐怕是跟红队测试中AI的异常表现有关。

它的行为令人不安,甚至存在潜在的危险。而未经同意模仿用户的声音,还有可能被用于欺诈等恶意目的。

这些安全问题,谷歌就完全解决了吗?目前没人知道,但很明显——不想屈居人后的谷歌,决定这次也豁出去一把。

重新定义AI助手

在这次演讲中,谷歌表示:通过Gemini,他们重新构想了个人助手对人类真正有用的意义——更自然、对话式、更直观。

连接更多应用程序

一个好的AI助手,最重要的关键词是什么?

连接。

Gemini就是如此,它会跟我们使用的所有谷歌应用程序和工具集成,完成大大小小的任务。

而跟其他助手不同的是,我们无需耗费功夫,在应用程序和服务之间切换。

而在未来几周,谷歌还会推出全新的扩展功能,包括Keep、Tasks、Utilities和YouTube Music。

image

假设现在我们要办一场晚宴,Gemini就可以发挥它的百般武艺了——

从Gmail中,它可以找出某人发给我们的千层面食谱,然后把配料添加到Keep的购物清单中;然后,在让Gemini为我们攒一份歌单,要求是「让我想起90年代末」。

在谷歌即将推出的日历扩展功能中,我们可以直接拍一张音乐会的海报,问Gemini:我当天有空不?如果答案是yes,还可以让Gemini帮我们设置提醒,准备抢票。

image

一键召唤Gemini

现在,Gemini已经完全融入了安卓的用户体验。

只有在安卓系统中,我们才能体会到如此丝滑的上下文感知功能。

只要拿着一部安卓手机,无论我们想要做什么,Gemini都能在需要时应声出现。

长按电源按钮,或者说一声「Hey Google」,就能召唤出Gemini了!

点击「询问此屏幕」,就可以获取有关屏幕内容的帮助。

如果正在使用YouTube,可以向Gemini询问有关视频的问题。

比如,假设我们正在为出国旅行做攻略,刚看完一个旅游视频博客,点击「询问此视频」,让它列出视频中出现的所有餐馆、添加到谷歌地图中,Gemini就会一一照做。

再看下图,Gemini生成的图像,可以直接拖放到Gmail和Google Messages中。

image

相信你已经体会到,这套操作中的妙处了——

因为Gemini为安卓构建了深度集成,AI能做的就不仅仅是读取屏幕内容,还能与我们已经在使用的许多应用进行交互。

Gemini 1.5 Flash,加持AI助手

不过,还有两个问题:能更好地解释自然语言和处理任务的LLM,往往意味着即使完成简单任务,也需要更多的时间。

而AI如果表现出意想不到的行为,或提供不准确的信息,也很让人头疼。

为此,谷歌特意引入了新模型——Gemini 1.5 Flash。

它的响应更快,回答的质量也更高。

在未来几个月内,谷歌还会把模型与Google Home、Phone和Messages进行更深层的集成。

谷歌表示,今天我们正式到达了一个拐点,AI助手的有用性,远远超过了它们的挑战。

基于Imagen 3打造,2秒生图

会上,谷歌还推出了一款全新的AI生图应用——Pixel Studio。

仅需要几个提示词,就能生成一幅精美的图片。

image

最重要的是,它是一个本地生图APP,基于Imagen 3打造,2秒之内便可生成各种图像。

image

同在今天,Imagen 3的技术报告也出炉了,技术细节可参见32页论文。

image

论文地址:https://arxiv.org/pdf/2408.07009


本文转自【每日智汇】公众号,原文链接:https://mp.weixin.qq.com/s/lLE4mvaVsg6C2RZHHj7Aew



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。