谷歌近日宣布，旗下人工智能助手Gemini Live將推出一系列新功能，旨在提升用戶與AI的實時交互體驗。這些功能計劃于8月28日隨全新Pixel 10系列手機首發(fā)，并逐步擴展至其他安卓設(shè)備和iOS平臺。其中，屏幕內(nèi)容高亮顯示和語音角色模仿功能尤為引人關(guān)注，展現(xiàn)了谷歌在AI助手領(lǐng)域的持續(xù)創(chuàng)新。
首先，Gemini Live新增的屏幕內(nèi)容高亮功能允許用戶在共享攝像頭畫面時，由AI助手直接在屏幕上突出顯示特定物品。例如，當(dāng)用戶需要在一堆工具中快速識別合適的工具時，只需將手機攝像頭對準(zhǔn)目標(biāo)區(qū)域，Gemini Live便會自動圈出正確選項。這一功能基于計算機視覺技術(shù)，能夠?qū)崟r分析圖像內(nèi)容，并結(jié)合上下文提供精準(zhǔn)建議。谷歌表示，該技術(shù)不僅提升了日常任務(wù)的效率，還為視覺輔助應(yīng)用提供了新的可能性。
與此同時，谷歌還為Gemini Live引入了先進的音頻模型，顯著改善了語音交互的自然度和表現(xiàn)力。新模型能夠更準(zhǔn)確地捕捉人類語音的語調(diào)、節(jié)奏和音高變化，使AI助手的回應(yīng)更加貼合對話情境。例如，當(dāng)用戶討論壓力較大的話題時，Gemini會自動調(diào)整為更平靜的語調(diào)，以提供更舒適的交流體驗。此外，用戶還可以根據(jù)需要調(diào)整語速，或要求AI以特定角色或歷史人物的口音講述故事，從而營造更具沉浸感的敘事效果。
除了視覺和語音功能的升級，Gemini Live還進一步擴展了與第三方應(yīng)用的整合能力。用戶可以在與AI對話的過程中直接調(diào)用消息、電話或時鐘等應(yīng)用執(zhí)行任務(wù)。例如，在規(guī)劃路線時，若用戶意識到可能遲到，可以中斷當(dāng)前對話并指令Gemini代為發(fā)送短信通知聯(lián)系人。這種無縫切換和多任務(wù)處理能力體現(xiàn)了谷歌在AI生態(tài)整合方面的深入布局。
從技術(shù)層面看，這些新功能依賴于谷歌在機器學(xué)習(xí)、自然語言處理和計算機視覺領(lǐng)域的積累。屏幕高亮功能結(jié)合了實時圖像識別與語義理解，而語音模型則采用了更先進的聲學(xué)建模和情感分析算法。谷歌強調(diào)，這些改進不僅提升了用戶體驗，也為未來AI助手的發(fā)展方向提供了重要參考。
總體而言，Gemini Live的更新展示了谷歌在AI助手個性化與實用化方面的努力。通過增強視覺交互、語音表現(xiàn)力以及應(yīng)用整合，谷歌旨在使AI助手更加貼近用戶需求，成為日常生活中更高效的伙伴。隨著Pixel 10系列的推出，這些功能將率先與用戶見面，并逐步覆蓋更廣泛的設(shè)備平臺。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
