Google發表挑戰OpenAI進階語音模式的Gemini Live

Google今日在Pixel 9手機系列產品發表大會上，同時宣布多項相關的AI功能，包括能流暢對話的Gemini Live，挑戰OpenAI ChatGPT進階語音模式（Advanced Voice Mode），以及將Gemini進一步整合到Android，以及YouTube等Google程式中。

Gemini Live是提供行動對話體驗的聊天助理，讓手機用戶可和Gemini流暢對話。用戶除了可以口說和Gemini來回對話外，甚至能在Gemini Live回應過程中打斷、或中途喊停一會再接續。Gemini Live也能於Gemini App背景執行或手機鎖定時和用戶對話，一如用戶講電話一般。為了讓Gemini對話更豐富，Google也加入10種聲音選項。

Gemini Live顯然是想挑戰日前才正式上線的ChatGPT進階語音模式（Advanced Voice Mode）。OpenAI 5月公布ChatGPT進階語音模式雖然表現令人驚豔，卻被爆其中一個聲音未經授權模仿了美國女星Scarlett Johansson，雖然OpenAI否認此事，卻也移除該聲音，並延後進階語音模式上線到8月初，該模式才正式提供5種聲音，但僅向一小部分用戶開放使用，而且設定種種限制，像是ChatGPT無法模仿他人聲音，也不允許其他聲音輸入。

Gemini Live即日已部署給訂閱Gemini Advanced方案的Android手機用戶，目前只支援英文，Google表示，幾個星期內會擴及iOS，並支援更多種語言。

除了Gemini Live外，Google也宣布未來幾個星期內多款程式如Keep、YouTube Music、Task和Utilities或是行事曆（Calendar）都會整合Gemini外掛，用戶不必切換應用即可讓Gemini執行任務，像是讓它從Gmail找出友人寄來的食譜，並將其中一項食材加入Keep採購清單，或是讓Gemini從Google相簿抓出音樂會傳單，查詢當天是否有空、並設定購票提醒。

Google也讓Android進一步整合Gemini。只要長按電源鍵，或說聲「Hey Google」，就能召喚出Gemini助理。用戶可點選「Ask about this screen」詢問問題，或在使用YouTube時點選「Ask about this video」，例如列出旅遊影片的餐廳清單，再叫出Gemini在Google Maps上標註。Gemini也不只能讀取螢幕內容，還能和既有應用互動，像是將Gemini生成的圖片直接丟進Gmail和Google Messages。

有別於Pixel 9系列上的AI功能以Gemini Nano為基礎，今日Gemini Live等新功能則是採用Google新模型如Gemini 1.5 Flash為底層技術，以提供較好的效能和回應品質。但Google不忘表示，新上線的功能仍可能會有回應時間需時較久，或是回應不準確或出現令人意外答案等問題。

Google表示，未來幾個月內該公司會致力於提升Gemini效能和品質，並預告，Gemini還會整合到Google Home、電話（Phone）和訊息等其他應用中。圖片來源／Google