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